MétaCan
Menu
Retour à la cohorte
Enregistrement W2984992821 · doi:10.1088/1748-9326/ab54f3

Defining frigid winter illuminates its loss across seasonally snow-covered areas of eastern North America

2019· article· en· W2984992821 sur OpenAlexaff
Alexandra R. Contosta, Nora J. Casson, Sarah J. Nelson, Sarah Garlick

Notice bibliographique

RevueEnvironmental Research Letters · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesLintilhac FoundationNortheastern States Research CooperativeDavis Conservation Foundation
Mots-clésSnowSnow coverPeriod (music)EcosystemClimatologyPhysical geographyCold winterEnvironmental scienceGeographyEcologyMeteorologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Winter is often understudied in ecosystem sciences and viewed as a burden for human systems and infrastructure. However, the importance of winter in regulating ecological processes and shaping human communities has emerged as a topic of great interest, particularly in areas that experience seasonal snow cover. Traditional seasonal definitions may not fully represent below freezing winters and snow accumulation that have historically characterized these areas. Here we: (1) propose the concept of ‘frigid winter’ to address longstanding problems with traditional delineations of winter; and (2) define frigid winter as a period of sustained temperatures below freezing and snow accumulation that together regulate ecological processes and their services. We explore this definition and the changes occurring within it using 100 years of meteorological data from northeastern North America. Trend analysis demonstrates that frigid winters have shortened by ∼3 weeks over the last century, that cold, snowy conditions have become more intermittent, and that the choice of winter delineation (astronomical, meteorological, hibernal, or frigid) influences the apparent rate at which winter conditions disappear.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0060,003

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 Opus0,020
Tête enseignante GPT0,256
Écart entre enseignants0,236 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetCryospheric studies and observationsTravaux en français237 207