MétaCan
Menu
Retour à la cohorte
Enregistrement W2608437871 · doi:10.1080/24694452.2017.1295839

Changes in Summer Weather Type Frequency in Eastern North America

2017· article· en· W2608437871 sur OpenAlexaboutno aff
Jason C. Senkbeil, Michelle E. Saunders, Brent Taylor

Notice bibliographique

RevueAnnals of the American Association of Geographers · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Alabama
Mots-clésClimatologyMiddle latitudesLatitudeSubtropicsGeographyClimate changeEnvironmental scienceGeologyOceanographyBiology

Résumé

récupéré en direct d'OpenAlex

In this research, the Spatial Synoptic Classification (SSC), a weather type scheme, is used as an alternative method of demonstrating evidence of climate change in the Eastern United States and southern Canada. Changes in frequencies for the seven SSC weather types were assessed for summer trends (May–September) at thirty-eight stations and also at four regions of latitude between 1950 and 2015. Using the SSC, results show significant summer decreases in dry polar (DP) days and transitional (TR) days and significant increases in moist tropical (MT) days. The North region exhibited the greatest breadth of significant results among all weather types. The DP and TR decline was strongest at higher latitudes and weakened approaching the subtropics. The MT gain was strongest across the midlatitudes but statistically significant in all four regions. The four remaining SSC weather types showed more localized statistically significant trends. Results suggest that these trends in weather type frequency are an indicator of summer climate change, with some stations losing over 50 percent of their DP frequency, losing over 40 percent of their TR frequency, and gaining over 30 percent of their MT frequency since 1950.

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 enseignants0,008
Score d'incertitude au seuil0,985

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 Opus0,037
Tête enseignante GPT0,296
Écart entre enseignants0,259 · 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

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the American Association of GeographersMême sujetClimate variability and modelsTravaux en français237 207