A 368-year maximum temperature reconstruction based on tree-ring datain the northwestern Sichuan Plateau (NWSP), China
Notice bibliographique
Résumé
Abstract. We present a reconstruction of July–August mean maximum temperature variability based on a chronology of tree-ring widths over the period AD 1646–2013 in the northern part of the northwestern Sichuan Plateau (NWSP), China. A regression model explains 37.1 % of the variance of July–August mean maximum temperature during the calibration period from 1954 to 2012. Compared with nearby temperature reconstructions and gridded land surface temperature data, our temperature reconstruction had high spatial representativeness. Seven major cold periods were identified (1708–1711, 1765–1769, 1818–1821, 1824–1828, 1832–1836, 1839–1842, and 1869–1877), and three major warm periods occurred in 1655–1668, 1719–1730, and 1858–1859 from this reconstruction. The typical Little Ice Age climate can also be well represented in our reconstruction and clearly ended with climatic amelioration at the late of the 19th century. The 17th and 19th centuries were cold with more extreme cold years, while the 18th and 20th centuries were warm with less extreme cold years. Moreover, the 20th century rapid warming was not obvious in the NWSP mean maximum temperature reconstruction, which implied that mean maximum temperature might play an important and different role in global change as unique temperature indicators. Multi-taper method (MTM) spectral analysis revealed significant periodicities of 170-, 49–114-, 25–32-, 5.7-, 4.6–4.7-, 3.0–3.1-, 2.5-, and 2.1–2.3-year quasi-cycles at a 95 % confidence level in our reconstruction. Overall, the mean maximum temperature variability in the NWSP may be associated with global land–sea atmospheric circulation (e.g., ENSO, PDO, or AMO) as well as solar and volcanic forcing.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».