MétaCan
Menu
Retour à la cohorte
Enregistrement W3030442117 · doi:10.1029/2020gl087237

Lipid Biomarker Record Documents Hydroclimatic Variability of the Mississippi River Basin During the Common Era

2020· article· en· W3030442117 sur OpenAlexafffund
Samuel E. Muñoz, Trevor J. Porter, Aleesha Bakkelund, Jesse Nusbaumer, Sylvia Dee, Brynnydd Hamilton, Liviu Giosan, Jessica E. Tierney

Notice bibliographique

RevueGeophysical Research Letters · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueTree-ring climate responses
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Oceanic and Atmospheric AdministrationNational Science Foundation
Mots-clésEnvironmental scienceFlood mythPrecipitationProxy (statistics)Structural basinClimatologyAridClimate changeFlooding (psychology)Growing seasonDrainage basinPaleoclimatologyHydrology (agriculture)Physical geographyGeologyGeographyOceanographyMeteorologyArchaeologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Floods and droughts in the Mississippi River basin are perennial hazards that cause severe economic disruption. Here we develop and analyze a new lipid biomarker record from Horseshoe Lake (Illinois, USA) to evaluate the climatic conditions associated with hydroclimatic extremes that occurred in this region over the last 1,800 years. We present geochemical proxy evidence of temperature and moisture variability using branched glycerol dialkyl glycerol tetraethers (brGDGTs) and plant leaf wax hydrogen isotopic composition (δ 2 H wax ) and use isotope‐enabled coupled model simulations to diagnose the controls on these proxies. Our data show pronounced warming during the Medieval era (CE 1000–1,600) that corresponds to midcontinental megadroughts. Severe floods on the upper Mississippi River basin also occurred during the Medieval era and correspond to periods of enhanced warm‐season moisture. Our findings imply that projected increases in temperature and warm‐season precipitation could enhance both drought and flood hazards in this economically vital region.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,062
Score d'incertitude au seuil0,788

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,037
Tête enseignante GPT0,289
Écart entre enseignants0,252 · 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 tête enseignante, 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

Citations11
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetTree-ring climate responsesTravaux en français237 207