MétaCan
Menu
Retour à la cohorte
Enregistrement W2525595586 · doi:10.2166/nh.2016.026

Drought severity and change in Xinjiang, China, over 1961–2013

2016· article· en· W2525595586 sur OpenAlexaff
Yi Li, Chunyan Chen, Changfeng Sun

Notice bibliographique

RevueHydrology research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésEvapotranspirationPrecipitationEnvironmental scienceChinaClimatologyIndex (typography)Physical geographyClimate changeConsistency (knowledge bases)Global warmingGeographyMeteorologyMathematicsEcologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Monthly climatic data from 53 sites across Xinjiang, China, were used to compare drought severity from the widely accepted Standardized Precipitation Index (SPI) with the recently proposed Standardized Precipitation Evapotranspiration Index (SPEI), as well as trends in the data from 1961 to 2013. Monthly Thornthwaite based (ETo.TW) and Penman-Monteith based reference evapotranspiration (ETo.PM) were computed and subsequently used to estimate SPEITW and SPEIPM, respectively. The indices' sensitivity, spatiotemporal distributions and trends were analyzed. The results showed that the TW equation underestimated ETo, which affected the accuracy of the SPEI estimation. Greater consistency was found between SPI and SPEIPM than between SPI and SPEITW at different timescales. SPI and SPEIPM were sensitive to precipitation, but SPEITW and SPEIPM were insensitive to ETo. The scope of spatial SPEIPM was wider than that of SPI at the same timescale. Obvious differences in SPI, SPEITW and SPEIPM existed between northern and southern Xinjiang. SPEIPM was a better indicator of global warming than SPI. Both SPI and SPEIPM had increasing trends, which contradict previously reported trends in global drought. In conclusion, the decrease in drought severity observed over the last 53 years may indicate some relief in the water utilization crisis in Xinjiang, China.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
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 Opus0,036
Tête enseignante GPT0,329
Écart entre enseignants0,293 · 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'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

Citations32
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHydrology researchMême sujetHydrology and Drought AnalysisTravaux en français237 207