MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386405312

Persistent anticyclonic conditions and climate change exacerbated the exceptional 2022 European-Mediterranean drought

2023· article· en· W4386405312 sur OpenAlexaff
Salvatore Pascale, Burak Bulut

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensImpact
Organismes subventionnairesEuropean Commission
Mots-clésMediterranean climateClimate changeAnticycloneClimatologyPolitical scienceGeographyOceanographyGeology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A prolonged drought affected Western Europe and the Mediterranean region in 2022 producing large socio-ecological impacts.The role of anthropogenic climate change (ACC) in exacerbating this drought has been often invoked in the public debate, but the link between atmospheric circulation and ACC has not received much attention so far.Here we address this question by applying the method of circulation analogs, which allows us to identify atmospheric patterns in the period 1836-2021 very similar to those occurred in 2022.By comparing the circulation analogs when global warming was absent (1836-1915) with those occurred recently , and by excluding interannual and interdecadal variability as possible drivers, we identify the contribution of ACC.The 2022 drought was associated with a persistent anticyclonic anomaly over Western Europe.Circulation analogs of this atmospheric pattern in 1941-2021 feature 500 hPa geopotential height anomalies larger in both extent and magnitude, and higher temperatures at the surface, relative to those in 1836-1915.Both factors exacerbated the drought, by increasing the area affected and enhancing soil drying through evapotranspiration.While the occurrence of the atmospheric circulation associated with the 2022 drought has not become more frequent in recent decades, the influence of the Atlantic Multidecadal oscillation cannot be ruled-out.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,030
Tête enseignante GPT0,236
Écart entre enseignants0,206 · 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'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'admission1
Résumé présentnon

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)→Même sujetClimate variability and models→Travaux en français237 207→