MétaCan
Menu
Retour à la cohorte
Enregistrement W4210271336 · doi:10.1016/j.wace.2022.100417

Non-uniform changes in different daily precipitation events in the contiguous United States

2022· article· en· W4210271336 sur OpenAlexaff
Mei Li, Qiaohong Sun, Miguel A. Lovino, Shaukat Ali, Muktarun Islam, Tong Li, Chao Li, Zhihong Jiang

Notice bibliographique

RevueWeather and Climate Extremes · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensPacific Institute for Climate SolutionsUniversity of Victoria
Organismes subventionnairesNational Key Research and Development Program of ChinaAsia-Pacific Network for Global Change Research
Mots-clésPrecipitationEnvironmental scienceClimatologyPeriod (music)Intensity (physics)Climate changeAtmospheric sciencesPhysical geographyGeographyGeologyMeteorologyOceanography

Résumé

récupéré en direct d'OpenAlex

This study examines changes in characteristics (amount, frequency, intensity) of daily precipitation in the contiguous United States (CONUS) using high-quality records for a long-term period (1900–2018) and a more recent period (1950–2018) at different temporal (annual and seasonal scales) and different spatial scales (national and sub-regional scales). Results show that the patterns of change during the two periods are very similar. First, on the annual basis, we find an overall increase in the total annual precipitation, frequency of wet days, and intensity of precipitation in both periods in the CONUS, with percentages of stations showing significant increasing trends significantly larger than what can be expected by chance. Second, stations with significant increasing trends are mainly concentrated in eastern CONUS, while stations with decreasing trends are located on the west coast and partial southeast coast. Specifically, the amounts and frequencies of light, moderate, and heavy precipitation mostly have significantly increased at more than 10% of stations. In both periods, there is a non-uniform change for three intensity categories of precipitation, with the frequency and total amount of events with higher intensity showing a larger rate of change, resulting in the smaller contribution of light precipitation to annual total precipitation but larger contribution due to heavy precipitation. Such non-uniform changes can also be observed in most sub-regions and seasons. Moreover, the estimated sensitivities of the amount of light, moderate, heavy precipitation, and heaviest precipitation event to global surface temperature increase for the 1900–2018 period is comparable with that for the 1950–2018 period, indicating that sampling period does not have a substantial effect on the scaling relationship between the amount of different precipitation events and global mean temperature.

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)0,002
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 enseignants0,091
Score d'incertitude au seuil0,180

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0010,000
Science ouverte0,0000,001
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 Opus0,020
Tête enseignante GPT0,240
Écart entre enseignants0,220 · 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

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWeather and Climate ExtremesMême sujetClimate variability and modelsTravaux en français237 207