MétaCan
Menu
Retour à la cohorte
Enregistrement W4292249441 · doi:10.1029/2022ef002797

Deciphering China's Complex Pattern of Summer Precipitation Trends

2022· article· en· W4292249441 sur OpenAlexaff
Li Mei, Chao Li, Zhihong Jiang, Xuebin Zhang, Francis W. Zwiers

Notice bibliographique

RevueEarth s Future · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensPacific Institute for Climate SolutionsUniversity of VictoriaEnvironment and Climate Change Canada
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPrecipitationClimatologyChinaEnvironmental scienceForcing (mathematics)Climate changeHomogeneousSurface air temperatureAtmospheric circulationAtmospheric sciencesGeographyMeteorologyGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract Observations show that summer precipitation in China has undergone pronounced changes, resulting in an enigmatic “north‐south drying‐wetting” pattern in eastern China that is of great concern for socio‐economic development. Scientific consensus on the mechanisms that are responsible for this pattern of change has not yet been achieved. We show that this complex pattern of summer total precipitation trends observed in China since the 1960s is overwhelmingly the result of changes in daily precipitation frequency, rather than being the result of changes in precipitation intensity or the frequency of synoptic circulation patterns favorable to precipitation. Changes in precipitation intensity, which are very likely due to anthropogenic greenhouse gas forcing, contribute a relatively homogeneous wetting tendency across the country while changes due to synoptic circulation change are weak. The changes in daily precipitation frequency that drive the observed patterns of change may be due to aerosols, but improved process understanding will be required to resolve that question and enable reliable projections of regional scale precipitation change in China and elsewhere.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,517
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0310,000

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 GPT0,242
Écart entre enseignants0,222 · 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 tête enseignante, pas un consensus.

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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarth s FutureMême sujetClimate variability and modelsTravaux en français237 207