MétaCan
Menu
Retour à la cohorte
Enregistrement W3001687231 · doi:10.22034/jest.2019.30667.3907

اثرات پیش بینی شده احتمالی تغییر اقلیم بر اکوسیستم های ساحلی مانگرو خلیج فارس با تاکید بر متغییرهای دما و بارش

2020· article· fa· W3001687231 sur OpenAlexaboutno aff
هانا اعتمادی, حسین دلشب

Notice bibliographique

Revueفصلنامه علوم و تکنولوژی محیط زیست · 2020
Typearticle
Languefa
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHadCM3GCM transcription factorsGeneral Circulation ModelEnvironmental scienceClimatologyClimate changeGeology

Résumé

récupéré en direct d'OpenAlex

زمینه و هدف : تغییر اقلیم و گرمایش جهانی یکی از گسترده­ترین و مهم ترین مخاطرات زیست محیطی است. هدف این مطالعه بررسی روند دمای حداقل، حداکثر و بارندگی در دوره گذشته بوشهر به عنوان استان ساحلی خلیج فارس و پیش­بینی آینده اقلیمی آن تا انتهای سال 2100 میلادی و همچنین اثرات احتمالی پیش­بینی شده بر اکوسیستم های جنگلی مانگرو خلیج فارس می باشد. روش بررسی: در این مطالعه از روش ریزمقیاس رگرسیونی [1]SDSM و از مدل GCM[2]  کانادایی CanESM2 در سه سناریو RCP2.6، RCP4.5 و RCP8.5 و مدل HadCM3 در سناریو A2 برای شبیه­سازی داده­های اقلیمی ایستگاه سینوپتیک بوشهر در دوره­های پایه، مشاهداتی و آتی (2100-2010) استفاده شد. همچنین اعتبارسنجی مدل با پنج شاخص آماری و عدم قطعیت مدل با روش بوت استرپ محاسبه شد. یافته ها: میزان افزایش دمای میانگین فصل زمستان و تابستان در طول دوره 47 ساله به ترتیب 8/1 و 7/1 درجه سانتی­گراد بوده است. پیش­بینی آینده اقلیمی دمای بیشینه و کمینه در مدل CanESM2[3] و HadCM3[4] بیش ترین افزایش را در ماه­های سرد سال نشان دادند. همچنین دمای پیش­بینی شده مدل CanESM2 در ماه های گرم از دمای کنونی کم­تر خواهد بود. شبیه­سازی متغییر اقلیمی بارش در مدل HadCM3 افزایش بارش را در فصل تابستان و پاییز و مدل CanESM2 افزایش بارش را برای همه فصول سال نشان دادند. بحث و نتیجه گیری : هر دو مدل زمستان­های گرم­تری را در دهه­های آتی برای استان بوشهر پیش­بینی کردند. با پیش­بینی طولانی شدن فصل گرم در مدل CanESM2 ممکن است زمان جوانه­زنی و گل­دهی مانگروها طولانی­تر و از سه ماه به شش ماه تغییر یابد. در صورتی که افزایش بارش های پیش­بینی شده به صورت ریزش­های حدی نباشند می­توانند همراه با افزایش دما باعث رشد و توسعه بیش تر مانگروها شوند. [1] - Statistical Down-Scaling Model [2] - General Circulation Model [3] - Canadian Earth System Model [4] - Hadley Center Climate Model

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,131

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0390,026

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 Opus0,117
Tête enseignante GPT0,226
Écart entre enseignants0,109 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueفصلنامه علوم و تکنولوژی محیط زیستMême sujetClimate change impacts on agricultureTravaux en français237 207