MétaCan
Menu
Retour à la cohorte
Enregistrement W4312907674 · doi:10.52002/0130-2906-2022-10-18-32

MODEL ESTIMATES FOR CONTRIBUTION OF NATURAL AND ANTHROPOGENIC CO2 AND CH4 EMISSIONS INTO THE ATMOSPHERE FROM THE TERRITORY OF RUSSIA, CHINA, CANADA, AND THE USA TO GLOBAL CLIMATE CHANGE IN THE 21ST CENTURY

2022· article· en· W4312907674 sur OpenAlexaboutno aff
S. N. DENISOV, A. V. ELISEEV, I. I. MOKHOV

Notice bibliographique

RevueMeteorologiya i Gidrologiya · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceGreenhouse gasAtmosphere (unit)Climate changeEcosystemNatural (archaeology)Forcing (mathematics)ClimatologyAtmospheric sciencesWetlandGlobal warmingClimate modelMethaneRadiative forcingChinaEnvironmental protectionGeographyMeteorologyEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Model estimates of the contribution of anthropogenic and natural fluxes of greenhouse gases from the territories of different countries to global climate change in the 21st century under different scenarios of anthropogenic forcing were obtained. Quantitative estimates were made for the effect of changes in regional climatic conditions on the intensity of the greenhouse gas exchange between the atmosphere and natural ecosystems over different time horizons in comparison with anthropogenic emissions. For Russia, China, Canada, and the United States, the CO2 uptake by natural ecosystems in the second half of the 21st century decreases under all scenarios of anthropogenic forcing, with a weakening of the corresponding climate-stabilizing effect. At the same time, the methane emission to the atmosphere by wetlands in the analyzed regions increases significantly in the 21st century according to the model estimates. As a consequence, the cumulative effect of natural fluxes of greenhouse gases into the atmosphere for some regions may accelerate the warming.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,866
Score d'incertitude au seuil0,266

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,007
Tête enseignante GPT0,224
Écart entre enseignants0,217 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMeteorologiya i GidrologiyaMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207