MétaCan
Menu
Retour à la cohorte
Enregistrement W3120204730 · doi:10.1038/s41598-020-80701-7

Spatial variations in the warming trend and the transition to more severe weather in midlatitudes

2021· article· en· W3120204730 sur OpenAlexaboutno aff
Francisco Estrada, Dukpa Kim, Pierre Perrón

Notice bibliographique

RevueScientific Reports · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMiddle latitudesClimatologyRadiative forcingEnvironmental scienceArcticGlobal warmingForcing (mathematics)Atmospheric sciencesNorthern HemisphereClimate changeLatitudeClimate modelGeographyGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Due to various feedback processes called Arctic amplification, the high-latitudes' response to increases in radiative forcing is much larger than elsewhere in the world, with a warming more than twice the global average. Since the 1990's, this rapid warming of the Arctic was accompanied by no-warming or cooling over midlatitudes in the Northern Hemisphere in winter (the hiatus). The decrease in the thermal contrast between Arctic and midlatitudes has been connected to extreme weather events in midlatitudes via, e.g., shifts in the jet stream towards the equator and increases in the probability of high-latitude atmospheric blocking. Here we present an observational attribution study showing the spatial structure of the response to changes in radiative forcing. The results also connect the hiatus with diminished contrast between temperatures over regions in the Arctic and midlatitudes. Recent changes in these regional warming trends are linked to international actions such as the Montreal Protocol, and illustrate how changes in radiative forcing can trigger unexpected responses from the climate system. The lesson for climate policy is that human intervention with the climate is already large enough that even if stabilization was attained, impacts from an adjusting climate are to be expected.

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 enseignants0,021
Score d'incertitude au seuil0,042

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)0,0020,000

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 GPT0,241
Écart entre enseignants0,227 · 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

Citations41
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetClimate variability and modelsTravaux en français237 207