MétaCan
Menu
Retour à la cohorte
Enregistrement W3046425845 · doi:10.1175/bams-d-19-0196.1

Headline Indicators for Global Climate Monitoring

2020· article· en· W3046425845 sur OpenAlexaff
Blair Trewin, Anny Cazenave, Stephen Howell, Matthias Huss, Kirsten Isensee, Matthew D. Palmer, Oksana Tarasova, Alex Vermeulen

Notice bibliographique

RevueBulletin of the American Meteorological Society · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesMet OfficeDepartment for Environment, Food and Rural Affairs, UK Government
Mots-clésClimatologyEnvironmental scienceArrearsEarth system scienceGlobal warmingSea surface temperatureClimate changeArcticHeadlineComputer scienceOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract The World Meteorological Organization has developed a set of headline indicators for global climate monitoring. These seven indicators are a subset of the existing set of essential climate variables (ECVs) established by the Global Climate Observing System and are intended to provide the most essential parameters representing the state of the climate system. These indicators include global mean surface temperature, global ocean heat content, state of ocean acidification, glacier mass balance, Arctic and Antarctic sea ice extent, global CO2 mole fraction, and global mean sea level. This paper describes how well each of these indicators are currently monitored, including the number and quality of the underlying datasets; the health of those datasets; observation systems used to estimate each indicator; the timeliness of information; and how well recent values can be linked to preindustrial conditions. These aspects vary widely between indicators. While global mean surface temperature is available in close to real time and changes from preindustrial levels can be determined with relatively low uncertainty, this is not the case for many other indicators. Some indicators (e.g., sea ice extent) are largely dependent on satellite data only available in the last 40 years, while some (e.g., ocean acidification) have limited underlying observational bases, and others (e.g., glacial mass balance) with data only available a year or more in arrears.

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)0,009
score de la tête « metaresearch » (Gemma)0,028
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,028
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0120,019
Études des sciences et des technologies0,0010,000
Communication savante0,0030,005
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0210,013

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 Opus0,029
Tête enseignante GPT0,250
Écart entre enseignants0,221 · 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

Citations82
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the American Meteorological SocietyMême sujetCryospheric studies and observationsTravaux en français237 207