MétaCan
Menu
Retour à la cohorte
Enregistrement W7128481467 · doi:10.64903/1480-6800-27.3-4.234

Analytical Study of Cold Waves in the Lattakia Region During the Period 1960-2020 and Assessment of Their Damages Using Geographic Information Systems and Remote Sensing

2024· article· W7128481467 sur OpenAlexaffvenue
Kinana Ghazi Haleme, Yasser Arab, Hussam Ashour, A. A. Hassan

Notice bibliographique

RevueArab world geographer · 2024
Typearticle
Langue
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensPublic Health Ontario
Organismes subventionnairesnon disponible
Mots-clésFrost (temperature)Vegetation (pathology)Cold waveSatelliteVegetation IndexPeriod (music)Normalized Difference Vegetation IndexIndex (typography)

Résumé

récupéré en direct d'OpenAlex

This research aims to study negative thermal anomalies (cold waves) associated with extreme climatic conditions in Syria during the period (1960-2020). It includes the study and analysis of minimum temperatures in the Lattakia region and determines the extent of deviation of the daily minimum temperature average from the overall daily average at the Lattakia, Qastal Ma'afu, and Slunfah stations during the study period. The research also conducted a statistical analysis of cold waves and their general trend in the study area using the XLSTAT program. Furthermore, the level of damage caused by cold waves that led to frost occurrences in the Zghrin and Bloran plains was assessed using the Normalized Difference Vegetation Index (NDVI), relying on 12 cloud-free Landsat 8 satellite images (with a spatial resolution of 30m) taken before and after frost events in the following years: 2015, 2016, 2017, 2021, and 2022, within the ArcMap 10.8 program. The results showed several levels of damage, with significant and meaningful correlations recorded at a 95% confidence level between the decrease in the vegetation density index and frost events in the studied cases.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,015
Tête enseignante GPT0,253
Écart entre enseignants0,238 · 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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArab world geographerMême sujetUrban Heat Island MitigationTravaux en français237 207