MétaCan
Menu
← Retour à la cohorte
Enregistrement W4286817161 · doi:10.5194/egusphere-2022-40-ac1

Reply on RC1

2022· peer-review· en· W4286817161 sur OpenAlexafffund
Yiling Huo

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of TorontoCompute Canada
Mots-clésDownscalingWeather Research and Forecasting ModelClimatologyEnvironmental sciencePrecipitationClimate modelPlateau (mathematics)StreamflowWater cycleClimate changeProxy (statistics)Drainage basinGeographyMeteorologyGeologyEcologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract. The Tibetan Plateau (TP) exerts strong influence on both regional and global climate through thermal and mechanical forcings. The TP also contains the headwaters of large Asian rivers that sustain billions of people and numerous ecosystems. Understanding the characteristics and changes to the hydrological regimes on the TP during the mid-Holocene (MH) will help understand the expected future changes. Here, an analysis of the hydroclimates over the headwater regions of three major rivers originating in the TP, namely the Yellow, Yangtze and Brahmaputra rivers is presented, using an ensemble of climate simulations, which have been dynamically downscaled to 10-km resolution with the Weather Research and Forecasting Model (WRF) coupled to the hydrological model WRF-Hydro. Basin-integrated changes in the seasonal cycle of hydroclimatic variables are considered. In the global model, we have also incorporated Green Sahara (GS) boundary conditions in order to compare with standard MH simulations (which do not include GS) and to capture interactions between the GS and the river hydrographs over the TP. Model-data comparisons show that the dynamically downscaled simulations significantly improve the regional climate simulations over the TP in both the modern day and the MH, highlighting the crucial role of downscaling in both present-day and past climates, although both global and regional models have a cold bias in modern-day simulations and underestimate the wet anomalies inferred from proxy data in the east and southeast part of the TP. TP precipitation is also greatly influenced by the inclusion of a GS, with a particularly large increase predicted over the southern TP, as well as a delay in the monsoon withdrawal. The model performance was first evaluated over the upper basins of the three rivers before the hydrological responses to the MH forcing in streamflow as well as temperature, rainfall and snowmelt for the three basins were quantified via the WRF simulations.

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)0,003
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,544

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,026
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0050,004
Science ouverte0,0040,003
Intégrité de la recherche0,0250,023
Charge utile insuffisante (le modèle a refusé de juger)0,1630,132

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 Opus0,023
Tête enseignante GPT0,267
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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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'admission2
Résumé présentoui

Explorer davantage

Même sujetHydrology and Watershed Management Studies→Travaux en français237 207→