MétaCan
Menu
← Retour à la cohorte
Enregistrement W2755546911 · doi:10.1038/s41598-017-12430-3

North Atlantic controls on wintertime warm extremes and aridification trends in the Middle East

2017· article· en· W2755546911 sur OpenAlexaff
Kondapalli Niranjan Kumar, Annalisa Molini, Taha B. M. J. Ouarda, M. Rajeevan

Notice bibliographique

RevueScientific Reports · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesMasdar Institute of Science and Technology
Mots-clésAridificationMiddle EastClimatologyGeographyEast AsiaPhysical geographyBiologyClimate changeGeologyEcologyArchaeologyChina

Résumé

récupéré en direct d'OpenAlex

The Middle East is one of the most water stressed regions in the world, receiving the majority of its hydrological input during the winter, in the form of highly variable and scattered precipitation. The persistence of wintertime anticyclonic conditions over the region can deflect storm tracks and result in extended spells of exceptionally hot weather, favoring prolonged droughts and posing a major threat to the already fragile hydrological equilibrium of the Middle East. Despite their potential impacts on water-security, winter warm spells (WWS's) have received far less attention than their summer counterparts, and the climatic drivers leading to WWS's onset are still largely unexplored. Here, we investigate their relationship with the internal modes of variability in the Atlantic Ocean, already known to influence winter circulation and extremes in Eurasia and Northern America. We show that the occurrence of WWS's is strongly correlated with Atlantic variability over decadal time scales. To explain this correlation, we propose a teleconnection mechanism linking Atlantic variability to WWS's via the propagation of Rossby waves from the North Atlantic pool, and the mediation of the Mediterranean circulation - thereby providing a basis to better predict future warming and aridification trends in the Middle East.

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)0,000
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 enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,066
Tête enseignante GPT0,256
Écart entre enseignants0,190 · 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

Citations20
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetClimate variability and models→Travaux en français237 207→