MétaCan
Menu
Retour à la cohorte

CONVERSE TRENDS OF THE TERRESTRIAL AND GROUND WATER STORAGE CHANGES IN CANADA AND THE UNITED STATES

2019· article· en· W2948822974 sur OpenAlexafffundabout
Huiliang Wang, Longwei Xiang, Holger Steffen, Patrick Wu, Liming Jiang, Qiang Shen, Dimitrios Piretzidis, Michael G. Sideris, Masaki Hayashi, Lulu Jia

Notice bibliographique

Revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciences · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysics and Gravity Measurements
Établissements canadiensUniversity of Calgary
Organismes subventionnairesAlberta InnovatesNational Natural Science Foundation of China
Mots-clésWater storageGroundwaterPrecipitationSnowEnvironmental scienceSurface runoffHydrology (agriculture)Spring (device)GeographyPhysical geographyMeteorologyGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract. We study the terrestrial water storage (TWS) and groundwater storage (GWS) changes in Canada and United States. We employ the separation approach from Wang et al. (2013) together with the improved GRACE data of Release 6 for a longer time span until December, 2016. The TWS signals from lake levels are derived from satellite altimetry data over the lakes while TWS signals due to soil moisture (SM) and snow water equivalent (SWE) changes from hydrology models. There are four significant trend anomalies in North America for both TWS and GWS changes. Two positive anomalies are found in Canada with their centers in the provinces of Saskatchewan and Quebec, respectively, due to increased precipitation and/or increased runoff in their surroundings. Two negative anomalies are shown in the United States with their centers in California and the northwest of Texas, respectively, which are due to decreased precipitation and, especially for California, high water usage for agriculture.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil0,915

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,214
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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'admission3
Résumé présentoui

Explorer davantage

Même revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciencesMême sujetGeophysics and Gravity MeasurementsTravaux en français237 207