MétaCan
Menu
Retour à la cohorte
Enregistrement W3023449883

Quantifying the uncertainty in historical and future simulations of Northern Hemisphere spring snow cover

2016· article· en· W3023449883 sur OpenAlexaffabout
Chad W. Thackeray, Christopher G. Fletcher, Lawrence Mudryk, Chris Derksen

Notice bibliographique

RevueAGUFM · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensEnvironment and Climate Change CanadaUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCoupled model intercomparison projectNorthern HemisphereClimatologySpring (device)Environmental scienceSnowSnow coverClimate modelClimate systemAtmospheric sciencesClimate changePhysical geographyMeteorologyGeographyGeologyOceanography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

AbstractProjections of twenty-first-century Northern Hemisphere (NH) spring snow cover extent (SCE) from two climate model ensembles are analyzed to characterize their uncertainty. Phase 5 of the Coupled Model Intercomparison Project (CMIP5) multimodel ensemble exhibits variability resulting from both model differences and internal climate variability, whereas spread generated from a Canadian Earth System Model–Large Ensemble (CanESM-LE) experiment is solely a result of internal variability. The analysis shows that simulated 1981–2010 spring SCE trends are slightly weaker than observed (using an ensemble of snow products). Spring SCE is projected to decrease by −3.7% ± 1.1% decade−1 within the CMIP5 ensemble over the twenty-first century. SCE loss is projected to accelerate for all spring months over the twenty-first century, with the exception of June (because most snow in this month has melted by the latter half of the twenty-first century). For 30-yr spring SCE trends over the twenty-first century, int...

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,031
Tête enseignante GPT0,228
Écart entre enseignants0,198 · 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

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAGUFMMême sujetCryospheric studies and observationsTravaux en français237 207