MétaCan
Menu
Retour à la cohorte
Enregistrement W3007690906 · doi:10.33412/idt.v16.1.2444

Análisis de anomalías climáticas para la cuenca del río La Villa, Panamá, basado en los escenarios RCP

2020· article· en· W3007690906 sur OpenAlexfundno aff
Cassilda Saavedra

Notice bibliographique

RevueI+D Tecnológico · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHistorical and socio-economic studies of Spain and related regions
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésClimate changePanamaDrainage basinWatershedGeographyEnvironmental scienceDownscalingPrecipitationScale (ratio)ClimatologyWater resource managementCartographyMeteorologyGeologyMathematics

Résumé

récupéré en direct d'OpenAlex

The use of climate change projections is crucial for mitigation and adaptation, which are the basis for creating resilience. However, access to these scientific products is scarce in Latin America and the existing studies lack of an appropriate resolution to analyze small but highly vulnerable regions, such as river basins for planning purposes. La Villa river basin, Republic of Panama, is one of the watersheds of highest priority for adaptation to climate change. This study used downscaled projections from four climate models. The models are based on the Representative Concentration Pathways (RCP), presented in the Fifth Assessment Report of the Intergovernmental Panel on Climate Change-IPCC. Results of this study suggest increases of the annual average precipitation in the watershed for the years 2050 and 2070. Meanwhile, maximum and minimum temperatures will increase an average of 1-2 ° C and near 4 ° C by the end of the 21st century. With these results, we observed that the use of small-scale climate projections in the RCP scenarios is feasible to determine the effects of climate change on small regions.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,197

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
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 Opus0,030
Tête enseignante GPT0,223
Écart entre enseignants0,193 · 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'étudeSimulation ou modélisation
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueI+D TecnológicoMême sujetHistorical and socio-economic studies of Spain and related regionsTravaux en français237 207