MétaCan
Menu
Retour à la cohorte
Enregistrement W3126789655 · doi:10.20383/101.0292

Hydrometeorological observations at three boreal forest sites (aspen, jack pine, and black spruce) located in central Saskatchewan, Canada

2020· article· en· W3126789655 sur OpenAlexaboutno aff
Hafiz Faizan Ahmed, Warren Helgason, Alan Barr, T. A. Black

Notice bibliographique

RevueOpen MIND · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceBlack spruceSnowBorealTaigaHydrometeorologySnowpackEvapotranspirationAtmospheric sciencesPrecipitationClimatologyMeteorologyGeographyEcologyForestryGeology

Résumé

récupéré en direct d'OpenAlex

Long-term observations are presented here from two coniferous (jack pine and black spruce) and one deciduous (aspen) forest sites located in central Saskatchewan, Canada. These sites were initiated through the Boreal Ecosystem and Atmosphere Study (BOREAS) program during 1994-96 (http://boreas.gsfc.nasa.gov/) and were later operated under the Boreal Ecosystem Research and Monitoring Sites (BERMS) program. All three sites were equipped with rich instrumentation that include walk-up scaffold towers fitted with sensors to measure air temperature, humidity and wind speed, above canopy shortwave and longwave radiation components, as well as fluxes of energy, carbon and water. Other onsite measurements included precipitation, snow depth, snow density, snow temperature, soil temperature and moisture profiles. These observations are useful for an improved understanding about the contrasts among sites. Moreover, the data is also very useful for modelling applications (calibration and validation). In addition to site observations, dynamically downscaled future meteorological observations by the Weather Research Forecast (WRF) model using Pseudo Global Warming (PGW) approach are included in the dataset. The WRF data was biased corrected by quantile-mapping method using the observed dataset. Thus, the data is ideal for testing, development, calibration, improvement, and validation of hydrological and/or land surface models as well as for projecting future changes in critical processes under changing climate.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,293
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0040,000

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 Opus0,059
Tête enseignante GPT0,229
Écart entre enseignants0,170 · 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.

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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetCryospheric studies and observationsTravaux en français237 207