MétaCan
Menu
Retour à la cohorte
Enregistrement W3035115926 · doi:10.1029/2020gl088437

Spatial Variability and Linkage Between Extreme Convections and Extreme Precipitation Revealed by 22‐Year Space‐Borne Precipitation Radar Data

2020· article· en· W3035115926 sur OpenAlexafffund
Tsechun Wang, Guoqiang Tang

Notice bibliographique

RevueGeophysical Research Letters · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiquePrecipitation Measurement and Analysis
Établissements canadiensCanmore Museum and Geoscience CentreUniversity of Saskatchewan
Organismes subventionnairesGlobal Water Futures
Mots-clésPrecipitationClimatologyEnvironmental scienceRadarSpatial distributionExtreme value theoryLatitudeAtmospheric sciencesMeteorologyGeologyGeographyRemote sensing

Résumé

récupéré en direct d'OpenAlex

Abstract Based on unprecedented 22‐year records from the Tropical Rainfall Measuring Mission (TRMM) precipitation radar (PR) and the Global Precipitation Measurement (GPM) dual‐frequency precipitation radar (DPR), this study aims to investigate the global distribution and linkage between both convections and precipitation extremes quasi‐globally. Overall, the spatial distributions of extreme events show significant regional variability and land‐ocean contrast. Extreme precipitation is dominant over tropical ocean while extreme convections are exclusive over land from tropics to higher latitude. Besides, there are strong positive relationships between extreme convections and precipitation based on multiple threshold‐based definitions of extremes, which provides more consistent physical properties of extreme events globally. The correlation is significant over land but relatively weak over oceans. Seasonal occurrences of extreme events are also examined. Furthermore, extreme events exhibit notable diurnal characteristics over global land with most extreme convections occurring in the afternoon, while diurnal cycles are more homogeneous over ocean.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,116
Tête enseignante GPT0,300
Écart entre enseignants0,184 · 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'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

Citations34
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetPrecipitation Measurement and AnalysisTravaux en français237 207