MétaCan
Menu
Retour à la cohorte
Enregistrement W4414681437 · doi:10.1175/jcli-d-24-0727.1

Global Moisture Cycling Rate an Important Control on Regional-Mean Precipitation under Warming

2025· article· en· W4414681437 sur OpenAlexaff
Kyle Benjamin Heyblom, Adriana Bailey, Hansi Singh

Notice bibliographique

RevueJournal of Climate · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Agricultural Sciences
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNational Aeronautics and Space Administration
Mots-clésMoisturePrecipitationForcing (mathematics)Climate changeCyclingWater contentGlobal change

Résumé

récupéré en direct d'OpenAlex

Abstract This study presents an updated framework for understanding regional precipitation change under climate forcing. We propose that most adjustments in zonal-mean precipitation can be explained by three additive drivers: Changes in global evaporation alter the overall availability of moisture for precipitation, shifts in the global moisture cycling rate affect the distance over which moisture is transported before precipitating, and atmospheric circulation adjustments further moderate changes in moisture transport distance. The global cycling rate of atmospheric moisture effectively explains many key features of the spatial pattern of zonal-mean precipitation change, including the well-documented “wet-get-wetter, dry-get-drier” response. Furthermore, we find that the response of the global moisture cycling rate and its corresponding impact on moisture transport distance are robust across several state-of-the-art Earth system models and forcing scenarios. Given the high level of certainty in how the global moisture cycling rate adjusts to warming, we can use the proposed framework to better understand, observe, and project changes in regional-mean precipitation under current 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 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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,254
Écart entre enseignants0,246 · 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'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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetEnvironmental and Agricultural SciencesTravaux en français237 207