MétaCan
Menu
← Retour à la cohorte
Enregistrement W2186105737

Regional characteristics of extremes and variability in Arctic temperature

2010· article· en· W2186105737 sur OpenAlexaboutno aff
Annette Rinke, Heidrun Matthes, Klaus Dethloff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArcticClimatologyGrowing degree-dayEnvironmental scienceThe arcticClimate changePhysical geographySpatial distributionGeographyOceanographyGeologyEcologyPhenology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Arctic temperature is analyzed in view of its extremes based on climate indices derived from daily mean, maximum, minimum temperature. This analysis is done for the pan Arctic domain and region-specific for east and west Russian Arctic. The variability of temperature-related indices over the last four decades is discussed, in which the spatial distribution and regional differences as well as its temporal trends are discussed. The analysis is based on ERA40 data and station data in the Russian Arctic as well as the output of the regional climate model HIRHAM. Exemlarily, results for the intra-seasonal extreme temperature range (ETR) and the growing degree days (GDD) are presented. ETR is a simple but useful measure of the extreme temperature variability and GDD describe the intensity of the growing season. ETR for GSOD west in autumn is the only case where positive ETR trends occur in all analyzed time slices, and where the trend magnitude increased towards recent years (0.8 C/decade in 1958-2001; 2.6 C/decade in 19802001). The station observations, ERA40, and HIRHAM agree on this behaviour, which can be attributed to warmer September temperatures, which also prolong the growing season. Positive GDD trends are calculated over most parts of the Arctic and are significant in some areas like northern Alaska and northeastern Canada. This is confirmed by the regional, station based analysis over Russia. GDD are systematically underestimated by HIRHAM. However, the calculated spatial patterns as well as the trends and decadal-scale variability in the time series are well reproduced. A large variability of the Arctic temperature and its extremes is inherent in the analysis period. The interannual variability of both indices shows a pronounced decadal-scale variability and considerable regional and seasonal differences.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,024
Tête enseignante GPT0,224
Écart entre enseignants0,200 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate change and permafrost→Travaux en français237 207→