MétaCan
Menu
Retour à la cohorte
Enregistrement W4214675834 · doi:10.3390/w14050691

Future Changes in the Surface Water Balance over Western Canada Using the CanESM5 (CMIP6) Ensemble for the Shared Socioeconomic Pathways 5 Scenario

2022· article· en· W4214675834 sur OpenAlexaffabout
S. Basu, David Sauchyn

Notice bibliographique

RevueWater · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Regina
Organismes subventionnairesU.S. Department of Energy
Mots-clésEvapotranspirationWater balanceEnvironmental sciencePrecipitationDrynessCoupled model intercomparison projectTranspirationVegetation (pathology)Climate changePotential evaporationAridHydrology (agriculture)ClimatologyClimate modelGeographyMeteorologyEcologyChemistry

Résumé

récupéré en direct d'OpenAlex

The Prairie provinces of Canada have about 80% of Canada’s agricultural land and contribute to more than 90% of the nation’s wheat and canola production. A future change in the surface water balance over this region could seriously affect Canada’s agro-economy. In this study, we examined 25 ensemble members of historical (1975 to 2005), near future (2021–2050), far future (2050–2080), and end of the century (2080–2100) simulations of the Canadian Earth System Model version 5 (CanESM5) from the Coupled Model Intercomparison Project Phase 6 (CMIP6). A comprehensive analysis of a new Net Water Balance Index (NWBI) indicates an increased growing season dryness despite increased total precipitation over the Prairie provinces. Evapotranspiration increases by 100–300 mm with a 10–20% increase in moisture loss due to transpiration. Total evaporation decreases by 15–20% as the fractional contribution of evaporation from soil decreases by 20–25%. Total evaporation from vegetation increases by 10–15%. These changes in the surface water balance suggest enhanced plant productivity when soil moisture is sufficient, but evaporative water loss that exceeds precipitation in most years.

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)0,001
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 enseignants0,016
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,025
Tête enseignante GPT0,216
Écart entre enseignants0,191 · 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

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetClimate variability and modelsTravaux en français237 207