MétaCan
Menu
← Retour à la cohorte
Enregistrement W4212774516 · doi:10.5194/gmd-2021-433-rc3

Comment on gmd-2021-433

2022· peer-review· en· W4212774516 sur OpenAlexfundno aff
Willem van Verseveld

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNatural Environment Research CouncilEuropean Regional Development FundU.S. Department of EnergyMinistry of Energy, IsraelEuropean Social FundInstitut National de Recherche pour l'Agriculture, l'Alimentation et l'EnvironnementMälardalens högskolaVlaamse regeringU.S. Geological SurveyNederlandse Organisatie voor Wetenschappelijk OnderzoekAnalyses et Expérimentations pour les EcosystèmesFonds Wetenschappelijk OnderzoekBundesministerium für Bildung und ForschungVetenskapsrådetNational Science FoundationEesti TeadusagentuurMinistère de l’Environnement, de la Protection de la nature et des ParcsBelgian Federal Science Policy Office
Mots-clésClimate changeClimate modelEnvironmental scienceRepresentative Concentration PathwaysCoupled model intercomparison projectClimatologyGreenhouse gasForcing (mathematics)BiogeochemistryPhysical geographyGeographyGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract. Empirical evidence demonstrates that lakes and reservoirs are warming across the globe. Consequently, there is an increased need to project future changes in lake thermal structure and resulting changes in lake biogeochemistry in order to plan for the likely impacts. Previous studies of the impacts of climate change on lakes have often relied on a single model forced with limited scenario-driven projections of future climate for a relatively small number of lakes. As a result, our understanding of the effects of climate change on lakes is fragmentary, based on scattered studies using different data sources and modelling protocols, and mainly focused on individual lakes or lake regions. This has precluded identification of the main impacts of climate change on lakes at global and regional scales and has likely contributed to the lack of lake water quality considerations in policy-relevant documents, such as the Assessment Reports of the Intergovernmental Panel on Climate Change (IPCC). Here, we describe a simulation protocol developed by the Lake Sector of the Inter-Sectoral Impact Model Intercomparison Project (ISIMIP) for simulating climate change impacts on lakes using an ensemble of lake models and climate change scenarios for ISIMIP phases 2 and 3. The protocol prescribes lake simulations driven by climate forcing from gridded observations and different Earth system models under various representative greenhouse gas concentration pathways (RCPs), all consistently bias-corrected on a 0.5∘ × 0.5∘ global grid. In ISIMIP phase 2, 11 lake models were forced with these data to project the thermal structure of 62 well-studied lakes where data were available for calibration under historical conditions, and using uncalibrated models for 17 500 lakes defined for all global grid cells containing lakes. In ISIMIP phase 3, this approach was expanded to consider more lakes, more models, and more processes. The ISIMIP Lake Sector is the largest international effort to project future water temperature, thermal structure, and ice phenology of lakes at local and global scales and paves the way for future simulations of the impacts of climate change on water quality and biogeochemistry in lakes.

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)0,002
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,184
Score d'incertitude au seuil0,617

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,002
Communication savante0,0050,003
Science ouverte0,0030,002
Intégrité de la recherche0,0290,015
Charge utile insuffisante (le modèle a refusé de juger)0,1840,167

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 GPT0,263
Écart entre enseignants0,244 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAquatic Ecosystems and Phytoplankton Dynamics→Travaux en français237 207→