MétaCan
Menu
Retour à la cohorte
Enregistrement W2606240188 · doi:10.3390/atmos8040075

Analysis of the Joint Link between Extreme Temperatures, Precipitation and Climate Indices in Winter in the Three Hydroclimate Regions of Southern Quebec

2017· article· en· W2606240188 sur OpenAlexaffabout
Ali A. Assani, Nadjet Guerfi

Notice bibliographique

RevueAtmosphere · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésClimatologyPacific decadal oscillationEnvironmental scienceNorth Atlantic oscillationArctic oscillationPrecipitationSnowCopula (linguistics)Climate changeEl Niño Southern OscillationGeographyGeologyOceanographyMeteorology

Résumé

récupéré en direct d'OpenAlex

We analyze the relationship between four climate variables (maximum and minimum extreme temperatures, rainfall and snowfall) measured in winter (December to March) at 17 stations from 1950 to 2000 in the three hydroclimate regions of southern Quebec, and six seasonal climate indices using canonical correlation analysis (CCA) and the copula method. This analysis yielded these major results: (1) extreme temperatures are not correlated with the amount of winter rain or snow in southern Quebec; (2) winter seasonal climate indices show better correlations with climate variables than do fall climate indices; (3) winter extreme temperatures are best correlated (positive correlation) with the Atlantic Multidecadal Oscillation (AMO) in the eastern region, but show a negative correlation with the Arctic Oscillation (AO) in the southwestern region; (4) the total amount of winter snow is best correlated (negative correlation) with the Pacific Decadal Oscillation (PDO) in the three hydroclimate regions; (5) the total amount of winter rain is best (negatively) correlated with PDO in the eastern region, but shows a positive correlation with AO in the southeast region. Finally, the copula method revealed very little change in the dependence between climate indices and climate variables in the three hydroclimate regions.

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)0,002
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 enseignants0,068
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,032
Tête enseignante GPT0,249
Écart entre enseignants0,217 · 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

Citations17
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmosphereMême sujetClimate variability and modelsTravaux en français237 207