MétaCan
Menu
Retour à la cohorte
Enregistrement W2470030894 · doi:10.1007/s00382-016-3239-8

Investigation of the 2013 Alberta flood from weather and climate perspectives

2016· article· en· W2470030894 sur OpenAlexafffundabout
Bernardo Teufel, G. T. Diro, Kirien Whan, Shawn M. Milrad, Dae Il Jeong, Arman Ganji, O. Huziy, Katja Winger, John R. Gyakum, Ramón de Elía, Francis W. Zwiers, Laxmi Sushama

Notice bibliographique

RevueClimate Dynamics · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensImpactMcGill UniversityPacific Institute for Climate SolutionsUniversity of VictoriaOuranosUniversité du Québec à Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEnvironmental sciencePrecipitationEvapotranspirationOrographyFlood mythClimatologySnowmeltSurface runoffSnowClimate changeOrographic liftGreenhouse gasHydrology (agriculture)MeteorologyGeographyGeologyEcology

Résumé

récupéré en direct d'OpenAlex

conditions. Frozen and snow-covered soils at high elevations are likely to have played an important role in generating record streamflows. Results point to a doubling of surface runoff due to the frozen conditions, while 25 % of the modelled runoff originated from snowmelt. The estimated return time of the 3-day precipitation event exceeds 50 years over a large region, and an increase in the occurrence of similar extreme precipitation events is projected by the end of the 21st century. Event attribution analysis suggests that greenhouse gas increases may have increased 1-day and 3-day return levels of May-June precipitation with respect to pre-industrial climate conditions. However, no anthropogenic influence can be detected for 1-day and 3-day surface runoff, as increases in extreme precipitation in the present-day climate are offset by decreased snow cover and lower frozen water content in soils during the May-June transition months, compared to pre-industrial climate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,043
Score d'incertitude au seuil0,970

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,188
Écart entre enseignants0,177 · 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 tête enseignante, 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

Citations64
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueClimate DynamicsMême sujetCryospheric studies and observationsTravaux en français237 207