MétaCan
Menu
Retour à la cohorte
Enregistrement W4411489209 · doi:10.1080/07055900.2025.2516796

Canada’s Fourth Generation of Homogenized Surface Air Temperature and its Trends for 1948–2023

2025· article· en· W4411489209 sur OpenAlexaffvenueabout
Hui Wan, Alessio C. Spassiani, Lucie A. Vincent

Notice bibliographique

RevueATMOSPHERE-OCEAN · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésSurface air temperatureEnvironmental scienceMeteorologyAtmospheric sciencesEngineering physicsClimatologyMaterials scienceGeographyPhysicsGeologyPrecipitation

Résumé

récupéré en direct d'OpenAlex

This study presents a newly developed homogenized temperature dataset aimed at enhancing the reliability of the observed temperature records for computing long-term trends. The dataset includes two main improvements over its previous versions: an adjustment applied to correct a cold bias affecting daily minimum temperatures recorded after 1 July 1961, at all stations with daily and hourly observations, and a missing values and gaps filling procedure based on ANUSPLIN surface temperature estimates. The procedures can be summarized as follows. Daily minimum temperatures were first adjusted for the cold bias arising from changes in the timing of the observation window. Data from closely located stations were joined into single records to ensure observations for long periods. Comprehensive data quality assurance procedures were then applied to make sure that the data was of good quality. Daily and monthly ANUSPLIN surface estimates were used to fill missing values and gaps in both daily and monthly series. Finally, changepoints due to non-climatic changes were identified in monthly time series using a semi-automatic data homogenization procedure, and a quantile-matching procedure was applied to adjust the daily and monthly data for the changepoints identified by the procedure. The dataset contains homogenized daily maximum and minimum temperatures, as well as their monthly means, for 651 sites across the country, with all sites active and updated to 2023. Gap fillings start from 1948 for ensuring complete temporal coverage at each site and consistency when evaluating trends at regional and national levels. An ordinary kriging method was used to interpolate the daily and monthly temperature anomalies onto 10 km grids. This new homogenized temperature dataset indicates that warming continues across Canada, with an increase of 2.08°C in the annual mean of the daily maximum temperature and of 2.46 °C in the annual mean of the daily minimum temperature over the past 76 years (1948–2023); the findings also show that the warming continues to be more pronounced during the wintertime.

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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,321
Score d'incertitude au seuil0,910

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,014
Tête enseignante GPT0,227
Écart entre enseignants0,214 · 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'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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueATMOSPHERE-OCEANMême sujetClimate variability and modelsTravaux en français237 207