MétaCan
Menu
Retour à la cohorte
Enregistrement W3094034581 · doi:10.3390/w12112970

Hydrological Extremes in the Canadian Prairies in the Last Decade due to the ENSO Teleconnection—A Comparative Case Study Using WRF

2020· article· en· W3094034581 sur OpenAlexafffundabout
S. Basu, David Sauchyn, Muhammad Rehan Anis

Notice bibliographique

RevueWater · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensPrairie Improvement Network
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWeather Research and Forecasting ModelHydrometeorologyTeleconnectionClimatologyEnvironmental sciencePrecipitationAtmospheric researchMeteorologyEl Niño Southern OscillationGeographyGeology

Résumé

récupéré en direct d'OpenAlex

In the Prairie provinces of Alberta, Saskatchewan, and Manitoba, agricultural production depends on winter and spring precipitation. There is large interannual variability related to the teleconnection between the regional hydroclimate and El Niño and La Niña in the Tropical Pacific. A modeling experiment was conducted to simulate climatic and hydrological parameters in the Canadian Prairie region during strong El Niño and La Niña events of the last decade in 2015–2016 and 2010–2011, respectively. The National Center for Atmospheric Research (NCAR) Weather Research and Forecasting (WRF) model was employed to perform two sets of sensitivity experiments with a nested domain at 10 km resolution using the European Centre for Medium-Range Weather Forecasts Reanalysis (ERA) interim data as the lateral boundary forcing. Analysis of the hourly model output provides a detailed simulation of the drier winter, with less soil moisture in the following spring, during the 2015–2016 El Niño and a wet winter during the La Niña of 2010–2011. The high-resolution WRF simulation of these recent weather events agrees well with observations from weather stations and water gauges. Therefore, we were able to take advantage of the WRF model to simulate recent weather with high spatial and temporal resolution and thus study the changes in hydrometeorological parameters across the Prairie during the two extreme hydrological events of the last decade.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,675
Score d'incertitude au seuil0,716

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,115
Tête enseignante GPT0,299
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations9
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetClimate variability and modelsTravaux en français237 207