MétaCan
Menu
Retour à la cohorte
Enregistrement W2540081459 · doi:10.1002/joc.4887

Accessing vulnerability of land‐cover types to climate change using physical scaling downscaling model

2016· article· en· W2540081459 sur OpenAlexafffundabout
Abhishek Gaur, Slobodan P. Simonović

Notice bibliographique

RevueInternational Journal of Climatology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Aeronautics and Space Administration
Mots-clésDownscalingLand coverEnvironmental scienceModerate-resolution imaging spectroradiometerClimatologyClimate changeScale (ratio)Representative Concentration PathwaysClimate modelVulnerability (computing)Land usePhysical geographyGeographySatelliteGeologyComputer scienceCartography

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The objective of this study is to investigate the vulnerability of different land‐cover types to climate change. To this end, land‐cover specific temperature change factors are quantified for the southern Saskatchewan region using a novel statistical downscaling model: physical scaling ( SP ). SP model considers large‐scale climate and regional physical characteristics like land‐cover, elevation in its formulation and hence can be used to predict future temperature for different land‐cover types under changing large‐scale climatic and land‐cover conditions. The model is validated by assessing its ability to downscale North American Regional Reanalysis ( NARR ) derived surface (skin) temperature from an initial resolution of 32 km to 500 m. The downscaled NARR data are evaluated using a cross‐validation approach over the period 2006–2013 with reference to MODerate ‐resolution Imaging Spectroradiometer ( MODIS ) derived surface temperature estimates and satisfactory model performance is obtained (average RMSE = 0.03 K). The validated model is used to predict future surface temperature across the study region. Future land‐cover projections are derived by downscaling land‐use projections for Representative Concentration Pathways ( RCPs ) 2.6 and 8.5 made by integrated assessment models: IMAGE and MESSAGE , respectively. An analysis of land‐cover specific temperature changes between historical (2006–2013) and future (2081–2100) timelines indicate variations of up to 2 K between different land‐cover classes. Vulnerability pattern of different land‐cover classes differ significantly between day‐ and night‐time. Further, variations of upto 1 K in projected changes are observed among different forest cover types. Closed shrubland is obtained as the most vulnerable forest‐cover class whereas evergreen broadleaf forest is found to be the least vulnerable.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,578
Score d'incertitude au seuil0,235

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 Opus0,048
Tête enseignante GPT0,342
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 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

Citations9
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ClimatologyMême sujetUrban Heat Island MitigationTravaux en français237 207