MétaCan
Menu
Retour à la cohorte
Enregistrement W4391718237 · doi:10.1016/j.rineng.2024.101879

Spatial modeling of extreme temperature in the Canadian Prairies using max-stable processes

2024· article· en· W4391718237 sur OpenAlexaffabout
Alaba Boluwade, Paul Sheridan, Aitazaz A. Farooque

Notice bibliographique

RevueResults in Engineering · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésExtreme value theoryExtreme weatherEnvironmental scienceExtreme heatEvapotranspirationClimate changeExtreme ColdAgriculturePhysical geographyYield (engineering)ClimatologyResource (disambiguation)Spatial ecologyGeographyAtmospheric sciencesMathematicsStatisticsEcologyComputer scienceGeology

Résumé

récupéré en direct d'OpenAlex

The Prairie region of Canada is an agriculture-intensive area and is strategic to Canada's food security. Moisture deficit due to extreme temperatures leading to high evapotranspiration can have significant impacts on water availability, resulting in poor crop yield. The primary objective of this study is to quantify the spatial structure and dependency of extreme temperatures by employing Max-Stable Process (MSP) modeling on daily annual maximum temperature data spanning 1970–2020. The spatial trend surface of the marginal parameters of the Spatial Generalized Extreme Value (SGEV) shows that geographical coordinates, topography due to the Rocky Mountains, and proximity (Euclidean distance) to Hudson Bay are important covariates in capturing the spatial trend of extreme temperatures. Furthermore, through the SGEV, important products such as the point-wise return periods and levels were derived using the best selected model as determined by Takeuchi's information criteria. The return levels show that the southern portion of the Canadian Prairies shows a consistent increase in extreme temperature for all the return periods. The results show that all the return periods mentioned above have extreme temperatures exceeding 37 °C in the southern portion of the Canadian Prairies. An unconditional simulation using the fitted MSP model provided various realizations of temperature extremes. The results from this study provide important insights into extreme temperatures in this important region, where water resources management is crucial. This study will be beneficial to the hydrologists, water resource specialists, climate change scientists and policy makers involved in the monitoring of extreme events in the Canadian Prairies.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,505

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,230
Écart entre enseignants0,200 · 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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResults in EngineeringMême sujetClimate variability and modelsTravaux en français237 207