MétaCan
Menu
← Retour à la cohorte
Enregistrement W3177027514 · doi:10.5194/egusphere-egu21-8856

Connecting the Land Surface to Droughts: How Transpiration, Canopy Evaporation, and Ground Evaporation Impact Droughts Across the North American Continent

2021· article· en· W3177027514 sur OpenAlexaboutno aff
Tyler S. Harrington, C. J. Skinner, Jesse Nusbaumer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEvapotranspirationPrecipitationEnvironmental scienceTranspirationPotential evaporationEvaporationAtmospheric sciencesMoistureCanopySurface waterClimatologyHydrology (agriculture)GeographyMeteorologyGeologyEcology

Résumé

récupéré en direct d'OpenAlex

Land surface moisture plays a crucial role in precipitation patterns across the globe. Evapotranspiration (the combination of ground evaporation (E), canopy evaporation (I), and transpiration (T)) from the land surface can influence precipitation through local recycling and the propagation of moisture to downwind regions. However, the role of the land surface and of T, E, and I individually in these two processes are not well understood and limit our understanding of the role of the land surface for both drought onset and intensification. Here we use a version of the Community Earth System Model (CESM1.2 with the Community Atmosphere Model CAM5 and the Community Land Model CLM5) with online water tracers to directly track and quantify the movement of T, E and I moisture across North America for the 1985–2015 period. Initial findings suggest that over 50% of summer precipitation for much of central and northern US and Canada comes from the land surface. The tracers also suggest that, with the exception of the US west coast and desert southwest, 40-60% of land precipitation across the continent comes from the T component. The connection between land surface moisture and drought episodes are examined for different regions of North America. The individual roles of T, E, and I in shaping droughts are also examined.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,249

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,019
Tête enseignante GPT0,274
Écart entre enseignants0,255 · 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'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate variability and models→Travaux en français237 207→