MétaCan
Menu
Retour à la cohorte
Enregistrement W2981667604 · doi:10.1029/2019gl084281

Contribution of Global warming and Urbanization to Changes in Temperature Extremes in Eastern China

2019· article· en· W2981667604 sur OpenAlexaff
Ying Sun, Ting Hu, Xuebin Zhang, Chao Li, Chunhui Lu, Guoyu Ren, Zhihong Jiang

Notice bibliographique

RevueGeophysical Research Letters · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésUrbanizationGlobal warmingEnvironmental scienceChinaClimatologyClimate changeDaytimeAtmospheric sciencesGeographyGeologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract The anthropogenic‐induced global warming and local urbanization exert important influences on temperature extremes in Eastern China. Here we use China station observations and climate models to investigate their effects on the warm and cold days and nights simultaneously. We quantified the contribution from these two factors based on an optimal fingerprinting method. We find that both anthropogenic and urbanization signals can be clearly detected and separated from each other in the nighttime temperature extremes. The effect of urbanization may explain as much as one third of the observed changes in cold and warm nights while the urbanization signal is weak in the daytime extremes. The results are robust against sampling uncertainty in the estimate of urbanization signal, but uncertainty due to collinearity between the urbanization signal and global warming is difficult to assess.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,327

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,291
Écart entre enseignants0,272 · 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'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

Citations63
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetClimate variability and modelsTravaux en français237 207