MétaCan
Menu
Retour à la cohorte
Enregistrement W3195761798 · doi:10.1029/2020ef001832

Divergent Responses of Summer Precipitation in China to 1.5°C Global Warming in Transient and Stabilized Scenarios

2021· article· en· W3195761798 sur OpenAlexaff
Zhihong Jiang, Qiyao Hou, Tim Li, Yongxiao Liang, Laurent Li

Notice bibliographique

RevueEarth s Future · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésClimatologyAnticyclonePrecipitationEnvironmental scienceGlobal warmingEast AsiaSubtropicsRossby waveCoupled model intercomparison projectSubtropical ridgeChinaTroposphereAtmospheric sciencesClimate changeClimate modelGeologyOceanographyGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

Abstract Responses of summer precipitation in China to global 1.5°C warming with transient and stabilized pathways are investigated through the analysis of the Common Earth System Model climate simulations. Precipitation increases more significantly in southeast China in the stabilized scenario compared with the transient one. The difference is primarily attributable to dynamic factors related to circulation changes and driven by differences of land‐ocean thermal contrast between the two scenarios. The stabilized warming favors conditions of larger ocean warming and smaller land warming, leads to enhanced meridional temperature gradient and ultimately speeds up the jet stream over East Asia. Ageostrophic wind at the entrance of the accelerated jet strengthens ascending motion and precipitation along the coast of Asia from southeast China to India. The enhanced heating over India further induces a Kelvin‐wave response with an anomalous anticyclone that contributes to the enhanced westward shifted of the western North Pacific Subtropical High. Southerly winds at the west flank of the anticyclone transport moisture northward from tropical oceans, and strengthen precipitation in southeast China.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,014
Tête enseignante GPT0,254
Écart entre enseignants0,240 · 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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarth s FutureMême sujetClimate variability and modelsTravaux en français237 207