MétaCan
Menu
Retour à la cohorte
Enregistrement W2921644530 · doi:10.1175/jcli-d-18-0410.1

Recent Strengthening of Greenland Blocking Drives Summertime Surface Warming over Northern Canada and Eastern Siberia

2019· article· en· W2921644530 sur OpenAlexaboutno aff
Sai Wang, Debashis Nath, Wen Chen, Lin Wang

Notice bibliographique

RevueJournal of Climate · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesCentrum fÖr Personcentrerad VårdMinistry of Science and Technology of the People's Republic of ChinaChinese Academy of SciencesNational Natural Science Foundation of China
Mots-clésClimatologyGeopotential heightSubarctic climateNorthern HemisphereEnvironmental scienceAtmospheric circulationGlobal warmingAtmospheric sciencesClimate changeGeologyGeographyPrecipitationOceanographyMeteorology

Résumé

récupéré en direct d'OpenAlex

Abstract In the last three decades, rapid surface warming is observed in the land areas of northern high latitudes during boreal summer months. Although the warming trend is thought to be driven by early snowmelt, the exact causes, especially its relationship with atmospheric circulation changes, remain a subject of debate. By analyzing ERA-Interim data, this study examines the possible factors for rapid subarctic warming. It is found that more than half of the warming trend over the entire subarctic and 80% over northern Canada and eastern Siberia (regions with maximum amplification) can be explained by enhanced downward infrared radiation (IR). Downward IR is largely driven by horizontal atmospheric moisture flux convergence and warm-air advection. The positive trend in geopotential height over the Greenland region is key for moisture flux convergence over northern Canada and eastern Siberia through changes in the storm tracks. An enhanced summertime blocking activity in the Greenland region seems responsible for the positive trend in geopotential heights.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,189
Score d'incertitude au seuil0,380

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
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,010
Tête enseignante GPT0,222
Écart entre enseignants0,212 · 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

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207