MétaCan
Menu
Retour à la cohorte
Enregistrement W3159013448

Further Probing the Mechanisms Driving Regional Projections of Extreme Precipitation Intensity

2021· dissertation· en· W3159013448 sur OpenAlexfundaboutno aff
Msawenkosi Aggripa Mpanza

Notice bibliographique

RevueYork University Digital Library (York University) · 2021
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaStony Brook UniversityEnvironment and Climate Change CanadaPeking University
Mots-clésClimatologyAdvectionPrecipitationEnvironmental scienceSubtropicsAtmospheric sciencesExtreme value theoryAtmospheric instabilityIntensity (physics)MeteorologyGeographyGeologyWind speedPhysicsMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Regional projections of extreme precipitation intensity (EPI) are strongly influenced by regional projections of extreme ascent,. Earlier studies are suggesting that long-term changes in eddy length and vertical stability are key factors influencing extreme ascent projections. We performed controlled experiments using the System for Atmospheric Modeling (SAM). Domains we chosen in the subtropical South Atlantic, where the Canadian Earth System Model version 2 (CanESM2) projects weakening of extreme ascent. SAM was forced with large-scale temperature, moisture and winds from CanESM2 during extreme events in the historical (1981-2000) and future (2081-2100) periods. SAM qualitatively reproduced CanESM2s projected changes in EPI. To gain further insight into physical mechanisms, we performed isolation runs in which some of the CRMs large-scale forcings were changed to their future values, while keeping all other forcings fixed to historical values. In all cases, long-term changes in horizontal advection were the dominant driver of projected decreases in EPI.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,022
Tête enseignante GPT0,176
Écart entre enseignants0,153 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueYork University Digital Library (York University)Même sujetClimate variability and modelsTravaux en français237 207