MétaCan
Menu
Retour à la cohorte
Enregistrement W2943474937 · doi:10.1029/2018ef001103

Drought Occurring With Hot Extremes: Changes Under Future Climate Change on Loess Plateau, China

2019· article· en· W2943474937 sur OpenAlexafffund
Chaoxing Sun, Guohe Huang, Yurui Fan, Xiong Zhou, Chen Lu, Xiuquan Wang

Notice bibliographique

RevueEarth s Future · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensUniversity of Prince Edward IslandUniversity of Regina
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesProject 211National Key Research and Development Program of ChinaNatural Sciences and Engineering Research Council of Canada
Mots-clésLoess plateauEnvironmental sciencePrecipitationClimatologyClimate changeCopula (linguistics)ChinaClimate extremesGlobal warmingProbabilistic logicReturn periodPercentileMeteorologyStatisticsGeographyGeologyMathematicsEconometricsSoil science

Résumé

récupéré en direct d'OpenAlex

Abstract Drought is one of the most widespread and destructive hazards over the Loess Plateau (LP) of China. Due to climate change, extremely high temperature accompanied with drought (expressed as hot drought) may lead to intensive losses of both properties and human deaths in future. A hot drought probabilistic recognition system is developed to investigate how potential future climate changes will impact the simultaneous occurrence of drought and hot extremes (hot days exceeding certain values) on the LP. Two regional climate models, coupled with multiple bias‐correction techniques and multivariate probabilistic inference, are innovative integrated into the hot drought probabilistic recognition system to reveal the concurrence risk of droughts and hot extremes under different Representative Concentration Pathway (RCP) scenarios. The hot‐day index, TX90p, indicating the number of days with daily maximum temperature (Tmax) exceeding the 90th percentile threshold, and the Standardized Precipitation Index are applied to identify the joint risks on the LP using copula‐based methods. The results show that precipitation will increase throughout most of the LP under both RCP4.5 and RCP8.5 scenarios of 2036–2095, while Tmax may increase significantly all over the LP (1.8–2.7 °C for RCP4.5 and 2.7–3.6 °C for RCP8.5). The joint return periods of Standardized Precipitation Index and TX90p show that fewer stations will experience severe drought with long‐term hot extremes in two future scenarios. However, some stations may experience hot droughts that are more frequent and extreme, particularly certain stations in the southwest and south‐central regions of the LP with recurrence period less than 10 years.

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)0,001
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 enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,009
Tête enseignante GPT0,209
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

Citations80
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEarth s FutureMême sujetHydrology and Drought AnalysisTravaux en français237 207