MétaCan
Menu
Retour à la cohorte
Enregistrement W4402343095 · doi:10.1038/s43247-024-01668-1

The Yangtze River Delta experienced strong seasonality and regular summer upwelling during the warm mid-Holocene

2024· article· en· W4402343095 sur OpenAlexaff
Matthias Alberti, Sandro F. Veiga, Bo Chen, Liang Hu, Zheng Fang, Baochun Zhou, Yanhong Pan

Notice bibliographique

RevueCommunications Earth & Environment · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesState Key Laboratory of Palaeobiology and StratigraphyNanjing UniversityFundamental Research Funds for the Central UniversitiesChinese Academy of SciencesNational Natural Science Foundation of China
Mots-clésUpwellingSeasonalityHoloceneDeltaYangtze riverOceanographyClimatologyGeologyEnvironmental scienceGeographyChinaArchaeologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract The mid-Holocene climate optimum saw warm temperatures in large parts of China, but its impact on seasonal environmental changes is not fully understood yet. Here, we use high-resolution geochemical analyses of 7000 to 6000 year-old oyster shells from the Yangtze River Delta to reconstruct climatic and oceanographic patterns. The stable isotope (δ 18 O, δ 13 C) and clumped isotope data reflect prominent seasonal changes in temperature, precipitation, and river discharge. Summer months experienced warm temperatures and a distinct increase in rainfalls and river discharge. In contrast, winter months were characterized by a dry season, which might have been longer than today. Stable isotope data also indicate regular summer upwelling in the study area. These results partly disagree with available climate models raising doubts on the models’ reliability. Thus, our palaeo-proxy data offers the possibility to evaluate and correct climate models and thereby improve predictions for the future considering on-going global warming.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,058
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,002
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,034
Tête enseignante GPT0,262
Écart entre enseignants0,228 · 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.

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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207