MétaCan
Menu
Retour à la cohorte
Enregistrement W2469300872 · doi:10.1175/jcli-d-15-0802.1

Future Decreases in Freezing Days across North America

2016· article· en· W2469300872 sur OpenAlexaboutno aff
M. A. Rawlins, Raymond S. Bradley, Henry F. Díaz, John S. Kimball, David A. Robinson

Notice bibliographique

RevueJournal of Climate · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClimatologyClimate changeEnvironmental scienceBayLatitudeSpring (device)Surface air temperatureAir temperatureBaseline (sea)Atmospheric sciencesPhysical geographyGeographyOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract This study used air temperatures from a suite of regional climate models participating in the North American Climate Change Assessment Program (NARCCAP) together with two atmospheric reanalysis datasets to investigate changes in freezing days (defined as days with daily average temperature below freezing) likely to occur between 30-yr baseline (1971–2000) and midcentury (2041–70) periods across most of North America. Changes in NARCCAP ensemble mean winter temperature show a strong gradient with latitude, with warming of over 4°C near Hudson Bay. The decline in freezing days ranges from less than 10 days across north-central Canada to nearly 90 days in the warmest areas of the continent that currently undergo seasonally freezing conditions. The area experiencing freezing days contracts by 0.9–1.0 × 106 km2 (5.7%–6.4% of the total area). Areas with mean annual temperature between 2° and 6°C and a relatively low rate of change in climatological daily temperatures (<0.2°C day−) near the time of spring thaw will encounter the greatest decreases in freezing days. Advances in the timing of spring thaw will exceed the delay in fall freeze across much of the United States, with the reverse pattern likely over most of Canada.

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 enseignants0,761
Score d'incertitude au seuil0,475

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)0,0010,000

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 Opus0,024
Tête enseignante GPT0,264
Écart entre enseignants0,240 · 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

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate change and permafrostTravaux en français237 207