MétaCan
Menu
Retour à la cohorte
Enregistrement W2952780249 · doi:10.1038/s41467-019-10206-z

A global assessment of marine heatwaves and their drivers

2019· article· en· W2952780249 sur OpenAlexaff
Neil J. Holbrook, Hillary A. Scannell, Alex Sen Gupta, Jessica A. Benthuysen, Ming Feng, Eric C. J. Oliver, Lisa V. Alexander, Michael T. Burrows, Markus G. Donat, Alistair J. Hobday, Pippa J. Moore, Sarah Perkins‐Kirkpatrick, Dan A. Smale, Sandra C. Straub, Thomas Wernberg

Notice bibliographique

RevueNature Communications · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensDalhousie University
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationClimate ExtremesNatural Environment Research CouncilSight Research UKAustralian Government
Mots-clésTeleconnectionGeographyBaseline (sea)Climate changeMarine lifeClimatologyEnvironmental scienceOceanographyEnvironmental resource managementGeologyEl Niño Southern Oscillation

Résumé

récupéré en direct d'OpenAlex

Marine heatwaves (MHWs) can cause devastating impacts to marine life. Despite the serious consequences of MHWs, our understanding of their drivers is largely based on isolated case studies rather than any systematic unifying assessment. Here we provide the first global assessment under a consistent framework by combining a confidence assessment of the historical refereed literature from 1950 to February 2016, together with the analysis of MHWs determined from daily satellite sea surface temperatures from 1982-2016, to identify the important local processes, large-scale climate modes and teleconnections that are associated with MHWs regionally. Clear patterns emerge, including coherent relationships between enhanced or suppressed MHW occurrences with the dominant climate modes across most regions of the globe - an important exception being western boundary current regions where reports of MHW events are few and ocean-climate relationships are complex. These results provide a global baseline for future MHW process and prediction studies.

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)0,002
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
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 Opus0,007
Tête enseignante GPT0,248
Écart entre enseignants0,241 · 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

Citations757
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207