MétaCan
Menu
Retour à la cohorte
Enregistrement W4406087194 · doi:10.1038/s41597-025-04378-1

Reconstruction of long-term hourly sea level data for Prince Edward Island, Canada

2025· article· en· W4406087194 sur OpenAlexafffundabout
Tianze Pang, Xiuquan Wang, Muhammad Qasim Mahmood, Sana Basheer

Notice bibliographique

RevueScientific Data · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysics and Gravity Measurements
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaNatural Resources CanadaCanada Foundation for InnovationAtlantic Canada Opportunities AgencyGovernment of Canada
Mots-clésShoreContext (archaeology)Climate changeStorm surgeTerm (time)Sea levelStormGeographyOceanographyHistorical recordHazardPhysical geographyEnvironmental scienceClimatologyMeteorologyGeologyArchaeologyEcologyHistory

Résumé

récupéré en direct d'OpenAlex

Regional sea level rise has been regarded a key factor in understanding of climate change impact to coastal communities. As a vulnerable island to sea level rise and storm surges, the province of Prince Edward Island (PEI) in Canada lacks sufficient long-term island-wide historic record of sea level data. This has become a major challenge for further studies on coastal environments and climate change adaptation. To overcome this limitation, here we reconstruct a long-term hourly sea level dataset using the existing long-term records of limited permanent tide stations and short-term records of widely-distributed temporary stations. With comprehensive statistical analysis and modeling, the historical sea level records furthest between 1911 and 2023 are reconstructed with an hourly time step. This new dataset significantly extends the availability of long-term sea level data along with the shoreline of PEI, which can be used for further studies on coastal change assessment and coastal hazard adaptation in the context of climate change.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,678
Score d'incertitude au seuil0,717

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
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 Opus0,081
Tête enseignante GPT0,270
Écart entre enseignants0,188 · 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.

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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetGeophysics and Gravity MeasurementsTravaux en français237 207