MétaCan
Menu
Retour à la cohorte
Enregistrement W2793361457 · doi:10.1007/s00382-018-4145-z

Human influence on Canadian temperatures

2018· article· en· W2793361457 sur OpenAlexaffabout
Hui Wan, Xuebin Zhang, Francis W. Zwiers

Notice bibliographique

RevueClimate Dynamics · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensPacific Institute for Climate SolutionsUniversity of VictoriaEnvironment and Climate Change Canada
Organismes subventionnairesU.S. Department of Energy
Mots-clésForcing (mathematics)ClimatologyEnvironmental scienceGlobal warmingClimate changeClimate modelAtmospheric sciencesMean radiant temperaturePacific decadal oscillationEl Niño Southern OscillationOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

Canada has experienced some of the most rapid warming on Earth over the past few decades with a warming rate about twice that of the global mean temperature since 1948. Long-term warming is observed in Canada’s annual, winter and summer mean temperatures, and in the annual coldest and hottest daytime and nighttime temperatures. The causes of these changes are assessed by comparing observed changes with climate model simulated responses to anthropogenic and natural (solar and volcanic) external forcings. Most of the observed warming of 1.7 °C increase in annual mean temperature during 1948–2012 [90% confidence interval (1.1°, 2.2 °C)] can only be explained by external forcing on the climate system, with anthropogenic influence being the dominant factor. It is estimated that anthropogenic forcing has contributed 1.0 °C (0.6°, 1.5 °C) and natural external forcing has contributed 0.2 °C (0.1°, 0.3 °C) to the observed warming. Up to 0.5 °C of the observed warming trend may be associated with low frequency variability of the climate such as that represented by the Pacific decadal oscillation (PDO) and North Atlantic oscillation (NAO). Overall, the influence of both anthropogenic and natural external forcing is clearly evident in Canada-wide mean and extreme temperatures, and can also be detected regionally over much of the country.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,496

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0040,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,009
Tête enseignante GPT0,245
Écart entre enseignants0,236 · 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'étudeSimulation ou modélisation
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

Citations39
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClimate DynamicsMême sujetClimate variability and modelsTravaux en français237 207