MétaCan
Menu
Retour à la cohorte
Enregistrement W2272911618 · doi:10.1126/science.aad8386

A decade of sea level rise slowed by climate-driven hydrology

2016· article· en· W2272911618 sur OpenAlexfundno aff
J. T. Reager, Alex Gardner, J. S. Famiglietti, D. N. Wiese, Annette Eicker, Min‐Hui Lo

Notice bibliographique

RevueScience · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysics and Gravity Measurements
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of California, IrvineJet Propulsion LaboratoryNational Oceanic and Atmospheric AdministrationUmweltbundesamtU.S. Department of EnergyCalifornia Institute of TechnologyEuropean CommissionCommonwealth Scientific and Industrial Research OrganisationMinistry of Science and TechnologyNatural Resources CanadaNational Institute of Water and Atmospheric ResearchNational Aeronautics and Space AdministrationNational Science Foundation
Mots-clésEnvironmental scienceHydrology (agriculture)Sea level riseClimatologyOceanographyClimate changePhysical geographyGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Climate-driven changes in land water storage and their contributions to sea level rise have been absent from Intergovernmental Panel on Climate Change sea level budgets owing to observational challenges. Recent advances in satellite measurement of time-variable gravity combined with reconciled global glacier loss estimates enable a disaggregation of continental land mass changes and a quantification of this term. We found that between 2002 and 2014, climate variability resulted in an additional 3200 ± 900 gigatons of water being stored on land. This gain partially offset water losses from ice sheets, glaciers, and groundwater pumping, slowing the rate of sea level rise by 0.71 ± 0.20 millimeters per year. These findings highlight the importance of climate-driven changes in hydrology when assigning attribution to decadal changes in sea level.

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 enseignants0,008
Score d'incertitude au seuil0,016

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,029
Tête enseignante GPT0,238
Écart entre enseignants0,208 · 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

Citations308
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScienceMême sujetGeophysics and Gravity MeasurementsTravaux en français237 207