Trend and pattern classification of surface air temperature change in the Arctic region
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Monthly seasonally adjusted temperatures above latitude 45°N were investigated from January 1973 to November 2013. The study area was divided into 69 sub‐regions of similar size each in the shape of an igloo brick. The data were filtered with a second‐order autoregressive process to remove autocorrelation. Two sub‐regions did not have sufficient data due to substantial numbers of missing values. Factor analysis was then applied to the remaining 67 sub‐regions and was used to classify regions with similar temperature changes. As a result, 63 sub‐regions could be classified based on 12 factors but 4 sub‐regions could not be grouped due to uniqueness. The temperatures for each group of sub‐regions were found to increase during 1973–2013. The largest temperature increases of 0.19 °C/decade were found in northern and southern Siberia and part of the Arctic Ocean. In northern Canada, Alaska, the northern Pacific Ocean and eastern Siberia the temperatures increased by at least 0.16 °C/decade. In Iceland, Norway, Sweden and part of the Pacific and Arctic Oceans the temperature increased by around 0.15 °C/decade. In northeastern Canada, Greenland and its surrounding Atlantic Ocean and the Arctic Ocean the temperature increased by about 0.15 °C/decade.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle