MétaCan
Menu
Retour à la cohorte
Enregistrement W2469128660 · doi:10.1126/sciadv.1501719

Human-caused Indo-Pacific warm pool expansion

2016· article· en· W2469128660 sur OpenAlexaff
Evan Weller, Seung‐Ki Min, Wenju Cai, Francis W. Zwiers, Yeon‐Hee Kim, Donghyun Lee

Notice bibliographique

RevueScience Advances · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensPacific Institute for Climate SolutionsUniversity of Victoria
Organismes subventionnairesKorean Federation of Science and Technology SocietiesKorea Meteorological Administration
Mots-clésIndo-PacificBiologyEcology

Résumé

récupéré en direct d'OpenAlex

The Indo-Pacific warm pool (IPWP) has warmed and grown substantially during the past century. The IPWP is Earth's largest region of warm sea surface temperatures (SSTs), has the highest rainfall, and is fundamental to global atmospheric circulation and hydrological cycle. The region has also experienced the world's highest rates of sea-level rise in recent decades, indicating large increases in ocean heat content and leading to substantial impacts on small island states in the region. Previous studies have considered mechanisms for the basin-scale ocean warming, but not the causes of the observed IPWP expansion, where expansion in the Indian Ocean has far exceeded that in the Pacific Ocean. We identify human and natural contributions to the observed IPWP changes since the 1950s by comparing observations with climate model simulations using an optimal fingerprinting technique. Greenhouse gas forcing is found to be the dominant cause of the observed increases in IPWP intensity and size, whereas natural fluctuations associated with the Pacific Decadal Oscillation have played a smaller yet significant role. Further, we show that the shape and impact of human-induced IPWP growth could be asymmetric between the Indian and Pacific basins, the causes of which remain uncertain. Human-induced changes in the IPWP have important implications for understanding and projecting related changes in monsoonal rainfall, and frequency or intensity of tropical storms, which have profound socioeconomic consequences.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,022
Tête enseignante GPT0,284
Écart entre enseignants0,262 · 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'étudeSimulation ou modélisation
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

Citations142
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetClimate variability and modelsTravaux en français237 207