MétaCan
Menu
Retour à la cohorte
Enregistrement W3204156269 · doi:10.1175/jtech-d-21-0053.1

Clustering of Climate Change Impacts on Ocean Waves in the Northwest Atlantic

2021· article· en· W3204156269 sur OpenAlexafffund
Hamid Goharnejad, William Perrie, B. Toulany, M. Casey, Minghong Zhang

Notice bibliographique

RevueJournal of Atmospheric and Oceanic Technology · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesNational Natural Science Foundation of China-Shandong Joint Fund for Marine Science Research CentersOcean Frontier InstituteMarine Environmental Observation Prediction and Response Network
Mots-clésClimate changeSignificant wave heightCluster analysisClimatologyEnvironmental scienceMeteorologyWave heightClimate modelWind waveGeographyStatisticsGeologyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The provision of reliable results from numerical wave models implemented over vast ocean areas can be considered as a time-consuming process. In this regard, the estimation of areas with maximum similarity in wave climate spatial areas and the determination of associated representative point locations for these areas can play an important role in climate research and in engineering applications. To deal with this issue, we apply a state-of-the-art clustering method, Geo-SOM, to determine geographical areas with similar wave regimes, in terms of mean wave direction (MWD), mean wave period (T0), and significant wave height (Hs). Although this method has many strengths, a weakness is related to detection and accounting of the most extreme and rare events. To resolve this deficiency, an initial preprocessing method (called PG-Geo-SOM) is applied. To evaluate the performance of this method, extreme wave parameters, including Hs and T0, are calculated. We simulate the present climate, represented as 1979 to 2017, compared to the future climate, 2060–98, following the Intergovernmental Panel on Climate Change (IPCC) future scenario RCP8.5 in the northwestern Atlantic Ocean. In this approach, the wave parameter data are divided into distinct groups, or clusters, motivated by their geographical positions. For each cluster, the centroid spatial point and the time series of data are extracted, for Hs, MWD, and T0. Extreme values are estimated for 5-, 10-, 25-, 50-, and 100-yr return periods, using Gumbel, exponential, and Weibull stochastic models, for both present and future climates. Results show that for parameter T0, the impact of climate change for the study area is a decreasing trend, while for Hs, in coastal and shelf areas up to about 1000 km from the coastline, increasing trends are estimated, and in open-ocean areas, far from the coast, decreasing trends are obtained.

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 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 enseignants0,259
Score d'incertitude au seuil0,259

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,200 · 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.

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

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Atmospheric and Oceanic TechnologyMême sujetOcean Waves and Remote SensingTravaux en français237 207