MétaCan
Menu
Retour à la cohorte
Enregistrement W2180657732 · doi:10.1175/jam2525.1

Formulation of an Index for Sea Breezes in Opposing Winds

2007· article· en· W2180657732 sur OpenAlexafffund
Aurore Porson, D. G. Steyn, G. Schayes

Notice bibliographique

RevueJournal of Applied Meteorology and Climatology · 2007
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFédération Wallonie-BruxellesFonds pour la Formation à la Recherche dans l’Industrie et dans l’AgricultureFonds De La Recherche Scientifique - FNRS
Mots-clésSea breezeMesoscale meteorologyScalingEnvironmental scienceClimatologyMeteorologyWind speedIndex (typography)GeologyGeographyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract A scaling analysis is conducted to explore the dependence of sea-breeze speed and inland occurrence in the presence of opposing winds on a set of dynamical parameters. The overall aim of the analysis is to develop an index for sea-breeze occurrence in the face of opposing winds, similar to the Biggs and Graves lake-breeze index. Most studies separate sea-breeze speed and sea-breeze inland occurrence or, at best, link the two in linear analyses. This work analyzes the output of a nonlinear numerical mesoscale model (in idealized simulations) using scaling methods commonly applied in observational studies. It is found that the scaled sea-breeze speed, in response to increasing magnitude of opposing wind, shows two distinct phases: a phase of increasing speed while the sea breeze progresses inland and a phase of sharply decreasing speed when the sea breeze is no longer detected inland. The analysis also allows the development of an index for sea-breeze inland occurrence. This index is an improvement over existing analyses through the use of nonlinear scaling and the use of surface heat flux as opposed to simpler land–sea temperature contrasts.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,278

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,268
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Meteorology and ClimatologyMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207