MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389774986 · doi:10.1029/2023gl105964

Unprecedented Human‐Perceived Heat Stress in 2021 Summer Over Western North America: Increasing Intensity and Frequency in a Warming Climate

2023· article· en· W4389774986 sur OpenAlexaffabout
Dae Il Jeong, Bin Yu, Alex J. Cannon

Notice bibliographique

RevueGeophysical Research Letters · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésRelative humidityEnvironmental scienceAir temperatureClimate changeHumidityAtmospheric sciencesApparent temperatureClimatologyHeat stressIntensity (physics)PercentileMeteorologyGeographyGeologyEcologyPhysicsBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The unprecedented 2021 June‐July heatwave in Western North America resulted in record‐breaking human‐perceived heat stress across the region, measured by the humidex considering both air temperature and humidity. During extended summer (June‐September), both 95th percentiles of daily maximum humidex (HX95) and air temperature (TX95) have increased over the 1940–2022 period, with even faster intensification in the last two decades (2001–2022). HX95 has increased more than TX95 because of the positive monotonic nonlinear relationship between humidex and air temperature at a given level of relative humidity. The Canadian Earth System Model version 5 (CanESM5) projects a larger increase in human‐perceived heat stress than air temperature across the region under low to high emission scenarios (HX95 increases 4.40–7.04°C and TX95 increases 2.92–4.65°C between 1981–2010 and 2041–2060). Moreover, CanESM5 projects significant increases in the frequency of HX and TX conditions that exceed the levels reached in 2021 under intermediate and high emission scenarios.

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)0,000
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 enseignants0,561
Score d'incertitude au seuil0,872

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,051
Tête enseignante GPT0,331
Écart entre enseignants0,280 · 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

Citations11
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research Letters→Même sujetClimate variability and models→Travaux en français237 207→