MétaCan
Menu
Retour à la cohorte
Enregistrement W3014395776 · doi:10.1111/nyas.14337

Advances in understanding large‐scale responses of the water cycle to climate change

2020· review· en· W3014395776 sur OpenAlexaff
Richard P. Allan, Mathew Barlow, Michael P. Byrne, Annalisa Cherchi, Hervé Douville, Hayley J. Fowler, Thian Yew Gan, Angeline G. Pendergrass, Daniel Rosenfeld, Abigail L. S. Swann, Laura J. Wilcox, Olga Zolina

Notice bibliographique

RevueAnnals of the New York Academy of Sciences · 2020
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSight Research UKRoyal SocietyNational Centre for Earth ObservationNatural Environment Research CouncilWolfson FoundationU.S. Department of EnergyNational Center for Atmospheric ResearchNational Science Foundation
Mots-clésEnvironmental scienceWater cycleAtmospheric sciencesPrecipitationRadiative forcingClimatologyClimate modelClimate changeGreenhouse gasForcing (mathematics)Water balanceAerosolGlobal warmingMeteorology

Résumé

récupéré en direct d'OpenAlex

Globally, thermodynamics explains an increase in atmospheric water vapor with warming of around 7%/°C near to the surface. In contrast, global precipitation and evaporation are constrained by the Earth's energy balance to increase at ∼2-3%/°C. However, this rate of increase is suppressed by rapid atmospheric adjustments in response to greenhouse gases and absorbing aerosols that directly alter the atmospheric energy budget. Rapid adjustments to forcings, cooling effects from scattering aerosol, and observational uncertainty can explain why observed global precipitation responses are currently difficult to detect but are expected to emerge and accelerate as warming increases and aerosol forcing diminishes. Precipitation increases with warming are expected to be smaller over land than ocean due to limitations on moisture convergence, exacerbated by feedbacks and affected by rapid adjustments. Thermodynamic increases in atmospheric moisture fluxes amplify wet and dry events, driving an intensification of precipitation extremes. The rate of intensification can deviate from a simple thermodynamic response due to in-storm and larger-scale feedback processes, while changes in large-scale dynamics and catchment characteristics further modulate the frequency of flooding in response to precipitation increases. Changes in atmospheric circulation in response to radiative forcing and evolving surface temperature patterns are capable of dominating water cycle changes in some regions. Moreover, the direct impact of human activities on the water cycle through water abstraction, irrigation, and land use change is already a significant component of regional water cycle change and is expected to further increase in importance as water demand grows with global population.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,250
Tête enseignante GPT0,393
Écart entre enseignants0,143 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations650
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the New York Academy of SciencesMême sujetClimate variability and modelsTravaux en français237 207