MétaCan
Menu
Retour à la cohorte
Enregistrement W2939204021 · doi:10.9734/ijecc/2019/v9i130095

Explaining the Non-significant Changes in Ice-off Date over Six Decades at Lake of Bays and Lake Nipissing, South-Central Ontario

2019· article· en· W2939204021 sur OpenAlexaffabout
Huaxia Yao, Congsheng Fu

Notice bibliographique

RevueInternational Journal of Environment and Climate Change · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensMinistry of the Environment, Conservation and Parks
Organismes subventionnairesnon disponible
Mots-clésSnowSnowpackPhysical geographyClimatologyEnvironmental scienceLittle ice ageGeographyGeologyMeteorologyGlacier

Résumé

récupéré en direct d'OpenAlex

The phenomenon of non-significant trends in ice-off date under a warming climate was quantitatively explained by three efforts: exploring possible driving factors where possible and defining new factors to represent snow conditions, identifying the contributing factors through correlation and trend tests, and evaluating relative contributions through partial Mann-Kendall method. Why the ice-off became only slightly earlier over 62 years at Lake of Bays has been satisfactorily assessed: the increased winter temperature, increased total rain and decreased days of snow on ground acted as three promoting drivers to earlier ice-off date, but their promoting functions were effectively offset by adverse changes in four other factors (snowfall slope, precipitation slope, snowpack slope, and last day of snow). The ice-off date at Lake Nipissing did not have a significant trend over 58 years, although there were five factors contributing to the ice-off decline without sufficient offsetting, suggesting that the ice-off of this lake may not be sensitive, or basically elastic, to the climatic variation stressor. Relative contributions of drivers as calculated helped explain how much they contributed to ice-off trends or how much they offset the influences.

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)0,001
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 enseignants0,157
Score d'incertitude au seuil0,315

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,031
Tête enseignante GPT0,230
Écart entre enseignants0,200 · 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

Citations1
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environment and Climate ChangeMême sujetClimate change and permafrostTravaux en français237 207