MétaCan
Menu
Retour à la cohorte
Enregistrement W4309627391 · doi:10.1029/2022gl099396

Anthropogenic Contributions to the 2021 Pacific Northwest Heatwave

2022· article· en· W4309627391 sur OpenAlexaboutno aff
Emily Bercos‐Hickey, Travis O’Brien, Michael Wehner, Likun Zhang, Christina M. Patricola, Huanping Huang, Mark D. Risser

Notice bibliographique

RevueGeophysical Research Letters · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesBiological and Environmental ResearchEnvironmental Resilience Institute, Indiana UniversityOffice of ScienceU.S. Department of Energy
Mots-clésHindcastClimatologyClimate changeEnvironmental scienceGlobal warmingClimate modelCausal inferenceOceanographyGeologyEconometricsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Daily maximum temperatures during the 2021 heatwave in the Pacific Northwest United States and Canada shattered century old records. Multiple causal factors, including anthropogenic climate change, contributed to these high temperatures, challenging traditional methods of attributing human influence. We demonstrate that the observed 2021 daily maximum temperatures are far above the bounds of Generalized Extreme Value distributions fitted from historical data. Hence, confidence in Granger causal inference statements about the human influence on this heatwave is low. Alternatively, we present a more conditional hindcast attribution study using two regional models. We performed ensembles of simulations of the heatwave to investigate how the event would have changed if it had occurred without anthropogenic climate change and with future warming. We found that global warming caused a ∼0.8°C–1°C increase in heatwave temperatures. Future warming would lead to a ∼5°C increase in heatwave temperature by the end of the 21st century.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,473
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,030
Tête enseignante GPT0,324
Écart entre enseignants0,295 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations54
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetClimate variability and modelsTravaux en français237 207