MétaCan
Menu
Retour à la cohorte
Enregistrement W3034650521 · doi:10.1080/07055900.2020.1744510

Comparative Analysis of Cold Events Over Central and Eastern China Associated with Arctic Warming in Early 2008 and 2016

2020· article· en· W3034650521 sur OpenAlexvenueno aff
Wei Song, Yuefeng Li, Zhiwei Wu

Notice bibliographique

RevueATMOSPHERE-OCEAN · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSiberian HighClimatologyArctic oscillationEnvironmental scienceArcticAtmospheric circulationWesterliesGlobal warmingExtreme ColdAtmospheric sciencesClimate changeEast AsiaChinaOceanographyGeologyGeographyNorthern Hemisphere

Résumé

récupéré en direct d'OpenAlex

This study investigates the possible reasons for the cold events over central and eastern China (CEC) in early 2008 and 2016. The Arctic is dramatically warming, in particular over the Barents–Kara Seas region and notable cold events were observed over CEC although La Niña and El Niño events occurred in early 2008 and 2016, respectively. At the same time, the westerlies decelerated at middle latitudes and the Ural Mountains Blocking High and the Siberian High strengthened. Subsequent analyses indicate that the cold events and the related atmospheric circulation anomalies are closely associated with Arctic warming. Additionally, the cold (warm) phase of the El Niño–Southern Oscillation causes the East Asian winter monsoon (EAWM) to strengthen (weaken) and correspondingly intensify (mitigate) the cold events over CEC. In brief, the Arctic warming is superimposed on La Niña or El Niño events by thermal and dynamic processes, which impact the relevant atmospheric circulation and EAWM and then induce the cold events over CEC in early 2008 and 2016 although their intensity and coverage are also different to some extent.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,093
Score d'incertitude au seuil0,527

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,014
Tête enseignante GPT0,225
Écart entre enseignants0,211 · 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueATMOSPHERE-OCEANMême sujetClimate variability and modelsTravaux en français237 207