MétaCan
Menu
Retour à la cohorte
Enregistrement W4321373238 · doi:10.3390/atmos14020396

Adhering Solid Precipitation in the Current and Pseudo-Global Warming Future Climate over the Canadian Provinces of Manitoba and Saskatchewan

2023· article· en· W4321373238 sur OpenAlexaffabout
Ronald E. Stewart, Zhuo Liu, Dylan Painchaud-Niemi, John Hanesiak, Julie M. Thériault

Notice bibliographique

RevueAtmosphere · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversité du Québec à MontréalUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPrecipitationEnvironmental scienceClimatologySnowStormClimate changeCurrent (fluid)Global warmingTerrainWinter stormAtmospheric sciencesGeographyMeteorologyGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Solid precipitation falling near 0 °C, mainly snow, can adhere to surface features and produce major impacts. This study is concerned with characterizing this precipitation over the Canadian Prairie provinces of Manitoba and Saskatchewan in the current (2000–2013) and pseudo-global warming future climate, with an average 5.9 °C temperature increase, through the use of high resolution (4 km) model simulations. On average, simulations in the current climate suggest that this precipitation occurs within 11 events per year, lasting 33.6 h in total and producing 27.5 mm melted equivalent, but there are wide spatial variations that are partly due to enhancements arising from its relatively low terrain. Within the warmer climate, average values generally increase, and spatial patterns shift somewhat. This precipitation consists of four categories covering its occurrence just below and just above a wet-bulb temperature of 0 °C, and with or without liquid precipitation. It generally peaks in March or April, as well as in October, and these peaks move towards mid-winter by approximately one month within the warmer climate. Storms producing this precipitation generally produce winds with a northerly component during or shortly after the precipitation; these winds contribute to further damage. Overall, this study has determined the features of and expected changes to adhering precipitation across this region.

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 enseignants0,807
Score d'incertitude au seuil0,879

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 Opus0,012
Tête enseignante GPT0,249
Écart entre enseignants0,237 · 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmosphereMême sujetClimate variability and modelsTravaux en français237 207