MétaCan
Menu
Retour à la cohorte
Enregistrement W2922214047 · doi:10.1088/1748-9326/ab0db3

Land use change impacts on European heat and drought: remote land-atmosphere feedbacks mitigated locally by shallow groundwater

2019· article· en· W2922214047 sur OpenAlexaff
Samuel C. Zipper, Jessica Keune, Stefan Kollet

Notice bibliographique

RevueEnvironmental Research Letters · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensMcGill UniversityUniversity of Victoria
Organismes subventionnairesH2020 European Research CouncilBundesministerium für Bildung und Forschung
Mots-clésEnvironmental scienceClimate changeShortwave radiationLand coverAtmosphere (unit)Land use, land-use change and forestryMediterranean climateGroundwaterSensible heatLand useClimatologyHydrology (agriculture)Atmospheric sciencesGeologyGeographyMeteorologyOceanography

Résumé

récupéré en direct d'OpenAlex

Heat and drought are projected to increase globally but may be mitigated or exacerbated by land use/land cover (LULC) change. Here, we show that remote land-atmosphere feedbacks caused by historical European LULC change led to widespread changes in the energy and water balances, drought, and heat. Using a continental-scale bedrock-to-atmosphere model, we find that LULC change following the Soviet Union collapse and European Union formation may have substantially increased cloud cover and decreased incoming shortwave radiation in western Europe, even in locations where LULC did not change. These changes to the water and energy balances had spatially heterogeneous impacts on drought and heat, including drying in the Mediterranean and Eastern Europe regions. The response of the water and energy balances to remote feedbacks was lessened in areas with shallow groundwater, indicating that local- and continental-scale responses to LULC change are influenced by the coupling between the subsurface, land surface, and atmosphere.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,237
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,004

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 Opus0,034
Tête enseignante GPT0,260
Écart entre enseignants0,226 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations41
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetClimate variability and modelsTravaux en français237 207