MétaCan
Menu
Retour à la cohorte
Enregistrement W4310222952 · doi:10.3390/atmos13121974

Physical and Chemical Characteristics of Dew and Rain in North-West Africa with Focus on Morocco: Mapping Past and Future Evolution (2005–2100)

2022· article· en· W4310222952 sur OpenAlexaff
Marc Muselli, Imad Lekouch, D. Beysens

Notice bibliographique

RevueAtmosphere · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésDewEnvironmental scienceEvapotranspirationPrecipitationRelative humidityContext (archaeology)Climate changeAtmospheric sciencesHydrology (agriculture)MistClimatologyMeteorologyGeographyGeologyCondensationOceanographyEcology

Résumé

récupéré en direct d'OpenAlex

In the context of global warming and a reduction in fresh water availability, this study presents the evolution of dew, rain and evapotranspiration in the North-West (NW) of Africa. This study is followed by a chemical analysis of dew and rain data in a representative site. The time periods are concerned with the years 2005–2020 using existing data, and years 2020–2100 using the low and high emissions representative concentration pathway scenarios RCP 2.6/8.5 from the coordinated regional climate downscaling experiment database. A continuous decrease in rain precipitation is observed, on the order of −14 mm·decade−1 for the more credible scenario RCP 8.5. The amplitude is maximum on the coast and on the foothills of Atlas. A clear decrease in dew yields (up to 7%) is also observed along a NW/SE axis. It is strongly correlated with a corresponding decrease in relative humidity. Chemical dew and rain data in the representative site of Mirleft correspond to the major cations of Na+ > Ca2+ > Mg2+ > K+, similar to local spring water. The concentrations in rain are about two times less than in dew water. Ionic concentrations are compatible with the World Health Organization standards. The seasonal variations of the ionic concentrations in dew and rain follow a volume dilution dependence. In the future, the expected diminution in dew and rain volumes according to the RCPs 2.6 and 8.5 should increase the dew and rain ionic concentrations.

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 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 enseignants0,019
Score d'incertitude au seuil0,364

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,181
Écart entre enseignants0,175 · 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.

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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmosphereMême sujetClimate variability and modelsTravaux en français237 207