MétaCan
Menu
← Retour à la cohorte
Enregistrement W3169291815 · doi:10.5194/egusphere-egu21-394

Variability of Temperature Extremes in Northwest Himalayas during Early 21st Century.

2021· article· en· W3169291815 sur OpenAlexaff
Farhan Aziz, Nadeem Tariq, Akif Rahim, Ambreen Mahmood

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésClimate changeFrost (temperature)Environmental scienceClimate extremesClimatologyAltitude (triangle)Greenhouse gasGlobal warmingMaximum temperatureAtmospheric sciencesGeographyMeteorologyMathematicsGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

In recent years, extreme events and their severe damage have become more common around the world. It is widely known that atmospheric greenhouse gases have contributed to global warming. A set of appropriate indicators describing the extremes of climate change can be used to study the extent of climate change. This study reveals the trends of temperature extreme indices on the spatial scale in the western part of Northwest Himalayas. The study is conducted at 13 climate stations lies at a different altitude of the study area.The Daily maximum and minimum temperature data during 2000--2018 of stations obtained from the Pakistan Meteorological Department (PMD) and Water and Power Development Authority (WAPDA). The 12 extreme temperature indices (FD, SU, TXx , TXn., TNx, TNn, TN10p , TN90p, TX10p , TX90p, CSDI, WSDI) recommended by ETCCDI (Expert Team on Climate Change Detection and Indices) are used to study the variabilities in temperature extremes. These indices are characterized based on amplitude, persistence, and frequency. The analysis is performed by using R package of extremes “RClimDEX”. The analysis shows the frequency of summer days (Su) and warm spells (WSDI) have increasing trends in the Southwest region, whereas the frequency of cold spells and frost days have decreasing trends observed in the Northern region of the study areas. The maximum and minimum values of daily maximum temperature (TXX, TXN) increase in the foothill area of the region and decreasing trends in the high elevation region. The day and night get cool in the Northwest region, whereas the days and nights are showing warmer trends in low elevation regions of the study area. Overall, the study concludes that the Northwestern parts have cool trends while South West and South eastern parts have warm trends during the early 21st century. Key words: Temperature Extremes, Northwest Himalayas, Trends, R-Climdex, Climate Change

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)0,000
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 enseignants0,028
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,208
Écart entre enseignants0,199 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate variability and models→Travaux en français237 207→