Bibliographic record
Abstract
Très peu est connu a propos des nuages durant une sècheresse. Entre 1999 et 2005, les Prairies canadiennes ont vécu une des sècheresses les plus sévères et les plus longues dans ses registres climatologiques. L'objectif de cette étude est de caractériser et de mieux comprendre les nuages et leurs propriétés radiatives durant les sècheresses dans les provinces des Prairies canadiennes. Une attention particulière a été donnée à cette récente sècheresse. La sévérité de la sècheresse a été déterminée avec l'index standardise de précipitations. Les propriétés des nuages obtenues de la base de données du Budget Radiatif de Surface de NASA/GEWEX ont été utilisées pour examiner l'ensemble de la quantité de nuage, l'épaisseur optique et l'albédo du haut de l'atmosphère. Les résultats ont démontré que malgré une légère différence dans la quantité de nuage entre des périodes sèches et humide (une augmentation d'environ 10% dans la couverture nuageuse de 63% durant des conditions extrêmement sèches a 73% pendant des périodes extrêmement humide), la corrélation avec la précipitation est faible. Les nuages minces augmentent lorsque la sévérité de la sècheresse augmente, alors que les nuages d'épaisseur moyenne ou épaisse diminuent. Les résultats ont aussi démontré que des tendances similaires se rapportent à plus petite échelle.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".