MétaCan
Menu
Retour à la cohorte
Enregistrement W3089276982 · doi:10.1061/(asce)he.1943-5584.0002003

PMP and Climate Variability and Change: A Review

2020· review· en· W3089276982 sur OpenAlexaff
José D. Salas, Michael L. Anderson, Simon Michael Papalexiou, Félix Francés

Notice bibliographique

RevueJournal of Hydrologic Engineering · 2020
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensGlobal Institute for Water Security
Organismes subventionnairesnon disponible
Mots-clésClimate changeEnvironmental scienceProxy (statistics)ClimatologyPrecipitationStormMeteorologyGeographyStatisticsGeologyMathematics

Résumé

récupéré en direct d'OpenAlex

A state-of-the-art review on the probable maximum precipitation (PMP) as it relates to climate variability and change is presented. The review consists of an examination of the current practice and the various developments published in the literature. The focus is on relevant research where the effect of climate dynamics on the PMP are discussed, as well as statistical methods developed for estimating very large extreme precipitation including the PMP. The review includes interpretation of extreme events arising from the climate system, their physical mechanisms, and statistical properties, together with the effect of the uncertainty of several factors determining them, such as atmospheric moisture, its transport into storms and wind, and their future changes. These issues are examined as well as the underlying historical and proxy data. In addition, the procedures and guidelines established by some countries, states, and organizations for estimating the PMP are summarized. In doing so, attention was paid to whether the current guidelines and research published literature take into consideration the effects of the variability and change of climatic processes and the underlying uncertainties.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,045
Tête enseignante GPT0,281
Écart entre enseignants0,236 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hydrologic EngineeringMême sujetClimate variability and modelsTravaux en français237 207