MétaCan
Menu
← Retour à la cohorte
Enregistrement W4281480981 · doi:10.21203/rs.3.rs-1673999/v1

Inter-seasonal connection of typical European heatwave patterns to soil moisture

2022· preprint· en· W4281480981 sur OpenAlexfundaboutno aff
Elizaveta Felsche, Andrea Böhnisch, Ralf Ludwig

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesLeibniz-RechenzentrumLeibniz-GemeinschaftEnvironment and Climate Change CanadaBayerische Akademie der Wissenschaften
Mots-clésAnomaly (physics)ClimatologyPredictabilityHeat waveEnvironmental scienceClimate modelSpatial ecologyWater contentCommon spatial patternGeographyClimate changeGeologyEcologyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract This study aims to increase the general understanding and predictability of heatwaves by identifying and analyzing stable classes, i.e., recur- ring patterns, of heatwaves present in Europe. In this study, we use data from a regional climate model large ensemble (Canadian Regional Climate Model version 5, CRCM5-LE) consisting of 50 possible real- izations of climate in the years 1981-2010 for a Central European domain with a spatial resolution of 0.11◦. We find nine stable heat- wave patterns in Europe, which correspond well with clusters derived from an observational dataset (E-OBS) and extreme historical heat- wave events. We show that historical extreme events can be explained by a dominant manifestation of the same recurring pattern. More- over, we analyze the occurrence of heatwaves in the identified clusters regarding a soil moisture deficit present before and after the event. We show that soil moisture anomalies in preceding winter/spring (JFMA) can serve as a predictor for heatwaves in South Europe. For North Europe we find a negative correlation between the number of heatwave days in summer and autumn (OND) soil moisture anomaly.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,071
Tête enseignante GPT0,363
Écart entre enseignants0,291 · 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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetClimate variability and models→Travaux en français237 207→