Состояние озонового слоя и погодные аномалии в Северном полушарии весной и летом 2017 г
Bibliographic record
Abstract
Погодные аномалии весенне-летнего сезона 2017 г. в Северном полушарии полностью отвечали авторскому озоновому алгоритму – четкой пространственно-временной корреляции погодных и озоновых аномалий. При этом причиной первых являются вторые, в свою очередь вызванные усилением водородной дегазации (отрицательные аномалии ОСО) и усилением геомагнитной активности (положительные аномалии ОСО). Аномальные концентрации озона являются причиной аномалий погоды и природных пожаров в пределах континентальных пространств Северного полушария. В пределах Северного Ледовитого океана главную роль играет нагрев арктического воздуха теплом океанской воды над открытыми водными пространствами. Вскрытие льда в СЛО происходит вследствие насыщения океанской воды глубинными газами. Беспрецедентное наводнение в Приморье: фото и видео [Электронный ресурс] // GISMETEO. 2017. 7 авг. Режим доступа: https://www.gismeteo.ru/news/stihiynye-yavleniya/24603-bespretsedentnoe-navodnenie-v-primore-foto-i-video/. В Красноярском крае из-за пала травы горят десятки домов [Электронный ресурс] // Salt.Zone. 2017. 24 мая. Режим доступа: https://salt.zone/news/7661. Выброс метана произошел на шахте в Кузбассе [Электронный ресурс] // БЕЗФОРМАТА.RU. Новосибирск. 2017. 25 июля. Режим доступа: http://novosibirsk.bezformata.ru/listnews/vibros-metana-proizoshel-na-shahte/59376703/. Из-за природных пожаров введен режим ЧС на Ямале [Электронный ресурс] // STORMnews.ru. 2017. 23 июля. Режим доступа: http://stormnews.ru/archives/43967. Лесной пожар в России перекинулся на Китай [Электронный ресурс] // GISMETEO. 2017. 2 мая. Режим доступа: https://www.gismeteo.ru/news/stihiynye-yavleniya/23509-lesnoy-pozhar-v-rossii-perekinulsya-na-kitay/. Майский снегопад повалил деревья в красноярском заповеднике [Электронный ресурс] // GISMETEO. 2017. 3 мая. Режим доступа: https://www.gismeteo.ru/news/sobytiya/23520-mayskiy-snegopad-povalil-derevya-v-krasnoyarskom-zapovednike/. Основные погодно-климатические особенности на Северном полушарии Земли в марте 2017 года [Электронный ресурс] // Гидрометцентр России. 2017. Апр. Режим доступа: http://www.meteoinfo.ru/climate/climat-tabl3/2017-climat-analysis/14105-2017-. Основные погодно-климатические особенности на Северном полушарии земли в июне 2017 года [Электронный ресурс] // Гидрометеоцентр России. 2017. Июль. Режим доступа: http://meteoinfo.ru/climate/climat-tabl3/2017-climat-analysis/14408--2017-. Последствия снегопада в Красноярске: фотообзор [Электронный ресурс] // GISMETEO. 2017. 3 мая. Режим доступа: https://www.gismeteo.ru/news/klimat/23519-posledstviya-snegopada-v-krasnoyarske-fotoobzor/. Соколова Е. Под Волгоградом к селу Оленье подходит километровая стена огня [Электронный ресурс] // V1.RU. 2017. 25 авг. Режим доступа: http://v1.ru/text/newsline/335966992904192.html. Сывороткин В.Л. Дегазация Земли и разрушение озонового слоя // Природа. 1993. № 9. С. 35–45. Сывороткин В.Л. О природе природных пожаров [Электронный ресурс] // Электронное научное издание Альманах Пространство и Время. 2016. Т. 11. Вып. 1: Система планета Земля. Режим доступа: http://j-spacetime.com/actual%20content /t11v1/2227-9490e-aprovr_e-ast11-1.2016.21.php. У леса не стало хозяина: Очередная огненная трагедия в Сибири [Электронный ресурс] // ИА REGNUM. 2017. 2 мая. Режим доступа: https://regnum.ru/news/2270446.html. Ураган в Москве (2017) [Электронный ресурс] // Википедия. Свободная энциклопедия. Режим доступа: https://ru.wikipedia.org/Ураган_в_Москве_(2017). Федеральная трасса Волгоград – Сызрань перекрыта из-за пожаров [Электронный ресурс] // Медиагруппа «Звезда». 2017. 25 авг. Режим доступа: https://tvzvezda.ru/news/vstrane_i_mire/content/201708252018-yhhtm. Awford J. Highway To Hell: Portugal Forest Fire – Four Kids Among 62 Dead as Victims Burn to Death in Their Cars Escaping Blaze ‘Sparked by Lightning’. The Sun 19 Jun. 2017. Web. . Select Ozone Maps. Ozone and Ultraviolet Research and Monitoring. Environment Canada's World Wide Web Site. The Green LaneTM. Web. . Сывороткин, В. Л. Состояние озонового слоя и погодные аномалии в Северном полушарии весной и летом 2017 г. / В.Л. Сывороткин // Пространство и Время. — 2017. — № 2-3-4(28-29-30). — С. 253—266. Стационарный сетевой адрес: адрес: 2226-7271provr_st2_3_4-28_29_30.2017.91
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.013 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.058 | 0.024 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".