MétaCan
Menu
Retour à la cohorte
Enregistrement W2200904543 · doi:10.1073/pnas.1504633113

Influence of sea ice on Arctic precipitation

2015· article· en· W2200904543 sur OpenAlexaffabout
Ben Kopec, Xiahong Feng, F. A. Michel, Eric S. Posmentier

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensCarleton University
Organismes subventionnairesNational Science Foundation
Mots-clésEnvironmental sciencePrecipitationSea iceArcticArctic ice packMoistureClimate changeClimatologyWater cycleCryosphereArctic sea ice declineAtmospheric sciencesOceanographyAntarctic sea iceGeologyMeteorologyGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Global climate is influenced by the Arctic hydrologic cycle, which is, in part, regulated by sea ice through its control on evaporation and precipitation. However, the quantitative link between precipitation and sea ice extent is poorly constrained. Here we present observational evidence for the response of precipitation to sea ice reduction and assess the sensitivity of the response. Changes in the proportion of moisture sourced from the Arctic with sea ice change in the Canadian Arctic and Greenland Sea regions over the past two decades are inferred from annually averaged deuterium excess (d-excess) measurements from six sites. Other influences on the Arctic hydrologic cycle, such as the strength of meridional transport, are assessed using the North Atlantic Oscillation index. We find that the independent, direct effect of sea ice on the increase of the percentage of Arctic sourced moisture (or Arctic moisture proportion, AMP) is 18.2 ± 4.6% and 10.8 ± 3.6%/100,000 km(2) sea ice lost for each region, respectively, corresponding to increases of 10.9 ± 2.8% and 2.7 ± 1.1%/1 °C of warming in the vapor source regions. The moisture source changes likely result in increases of precipitation and changes in energy balance, creating significant uncertainty for climate predictions.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,044
Score d'incertitude au seuil0,256

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,036
Tête enseignante GPT0,271
Écart entre enseignants0,235 · 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

Citations191
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207