MétaCan
Menu
Retour à la cohorte
Enregistrement W4412872454 · doi:10.57046/dwtc6209

Long term spatial trends in West African monsoon precipitation

2025· article· en· W4412872454 sur OpenAlexaff
Samuel Ogunjo, Adeyemi Olusola

Notice bibliographique

RevueProceedings of the Nigerian Academy of Science · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésPrecipitationClimatologyTerm (time)MonsoonGeographyEnvironmental scienceGeologyMeteorology

Résumé

récupéré en direct d'OpenAlex

Across West Africa, rainfall is a vital weather component. Its importance in agriculture, the economy, and even governance across the region cannot be overstated due to the nature of the socio-economic vulnerabilities within this region. Therefore, the performance of the region’s economy and its governance depend largely on rainfall distribution directly or indirectly. This study aims to analyze rainfall distribution across the West African region using four indices: the mean rainfall distribution per month, days with rainfall exceeding a 1 mm threshold, days with rainfall exceeding a 5 mm threshold, and the maximum amount of rainfall each year. The CPC Global Unified Gauge-Based Analysis of Daily Precipitation with a resolution of From 1979 to 2020 was used in this study. Trend was determined using the non-parametric Sen’s slope and Mann-Kendall tests. The number of days with rainfall greater than 1 mm and 5 mm showed positive trends between 0 and 0.4 mm/month during the considered months, although the trends were not statistically significant. Locations off the coast of Sierra Leone and Liberia, as well as on the continent of Nigeria, showed statistically significant negative trends. Considering the number of days with heavy rainfall from April to July, we observed a reduced trend in values compared to days with normal precipitation. This implies that although normal rainfall will increase, it will not be as much as heavy rainfall.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,682
Score d'incertitude au seuil0,267

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,001
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 Opus0,025
Tête enseignante GPT0,276
Écart entre enseignants0,251 · 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'étudeExpérimental (laboratoire)
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'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Nigerian Academy of ScienceMême sujetClimate change impacts on agricultureTravaux en français237 207