MétaCan
Menu
← Retour à la cohorte
Enregistrement W4205451415 · doi:10.15406/ijh.2021.05.00282

Twenty Nile Rivers escape the Mediterranean Sea – a giant water vapor spill boosting the July 2021 floods in Western Europe

2021· article· en· W4205451415 sur OpenAlexaboutno aff
Hong-Quan ZHANG

Notice bibliographique

RevueInternational Journal of Hydrology · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAridPrecipitationMediterranean climateEnvironmental scienceFlooding (psychology)ClimatologyGeographyPhysical geographyHydrology (agriculture)GeologyMeteorology

Résumé

récupéré en direct d'OpenAlex

In summer 2021, severe drought and heatwaves hit the Western United States, Canada, and many other areas around the world. At the same time, record-breaking floods devastated Western Europe (WE) and Central China. Drought and flooding are a water imbalance problem, and heatwaves are always coupled with drought or originate from hot, arid areas. Global average evaporation and precipitation are balanced and steady. When some areas receive less precipitation, other areas receive more, often as heavy downpours. This study analyses one particular freshwater imbalance area – the Mediterranean Basin (MB), from a historical view and of recent trends. The net water vapor output from MB is equivalent to about 20 times the Nile River discharge. The north-south seesaw precipitation trends across Europe clearly indicate a water vapor transfer from MB to Western and Northern Europe. An upper low-pressure system and abundant water vapor supply from MB are an ideal combination for lingering heavy downpours and floods over WE, such as the case in July 2021. The root cause of MB freshwater imbalance is identified as the Sahara expansion. The breach of the green Sahara about 5700 years ago was the desiccation of the Atlas Basin. Based on water cycle stability a solution is suggested to restore the Sahara back to green.

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 enseignants0,017
Score d'incertitude au seuil0,034

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,018
Tête enseignante GPT0,256
Écart entre enseignants0,238 · 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 revueInternational Journal of Hydrology→Même sujetClimate variability and models→Travaux en français237 207→