MétaCan
Menu
Retour à la cohorte
Enregistrement W4390465680 · doi:10.54302/mausam.v75i1.6081

Future projections of precipitation and temperature extremes at Sohra (Cherrapunji) using Statistical Downscaling Model

2023· article· en· W4390465680 sur OpenAlexaboutno aff
Raju Kalita, Dipangkar Kalita, Atul Saxena

Notice bibliographique

RevueMAUSAM · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Science and Technology, Ministry of Science and Technology, India
Mots-clésDownscalingEnvironmental sciencePrecipitationRepresentative Concentration PathwaysClimatologyMaximum temperatureHumidityRelative humidityMonsoonRange (aeronautics)Mean radiant temperatureAtmospheric sciencesClimate changeMeteorologyGeneral Circulation ModelGeographyGeologyMaterials science

Résumé

récupéré en direct d'OpenAlex

The Statistical Downscaling Model (SDSM 4.2) is used to project the future precipitation and maximum and minimum temperatures at Sohra, one of the extreme places on earth, using the predictors of the Second-Generation Canadian Earth System Model (CanESM2). The SDSM was calibrated with daily precipitation and temperature data from 1979 to 2005 and validated from 2006 to 2020. Future scenarios generated under the three Representative Concentration Pathways (RCP) 2.6, 4.5 and 8.5 are divided into three future periods, Near Future (2021-2040), Mid Future (2041-2071), and Far Future (2071-2100). It is found that the precipitation and maximum/minimum temperature at Sohra are influenced mainly by the major global predictors; specific humidity at 850 hPa height (s850) and mean temperature at 2 m (temp)/near surface specific humidity (shum), respectively. The downscaled result reveals an increase in Monsoon precipitation in the range of 266-1543 mm under various RCPs compared with the base periods 1985-2005 during the Near Future and 1979-2008 during the Mid and Far Future. Also, annual maximum and minimum temperature increases in the range of 1-2.8 °C and 1.2-3.6 °C for all RCPs in the future.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,174
Score d'incertitude au seuil0,346

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 savante0,0000,000
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 Opus0,045
Tête enseignante GPT0,291
Écart entre enseignants0,246 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMAUSAMMême sujetClimate variability and modelsTravaux en français237 207