Modelos "spline" de climas contemporáneo, 2030, 2060 y 2090 para Michoacán, México: Impactos en la vegetación
Bibliographic record
Abstract
Datos climaticos de 149 estaciones climaticas del Estado de Michoacan, al oeste de Mexico, fueron extraidos de un modelo climatico spline desarrollado para Mexico para el clima contemporaneo (1961-1990) y para proyecciones de clima para decadas centradas en los anos 2030, 2060 y 2090, con base en salidas de tres modelos de circulacion global (GCM: Canadian, Hadley y Geophysical Fluid Dynamics), de dos escenarios de emisiones (A pesimista y B optimista). Temperatura media anual (MAT), precipitacion anual promedio (MAP), grados dia anuales > 5 °C (DD5) y un indice de aridez (DD50.5/MAP) fueron mapeados para Michoacan a una escala de 1 km2, y se estimaron medias de todas las estaciones. Con base en promedios para el estado y entre GCM y escenarios de emisiones, se estima que la temperatura promedio anual se incrementaria en 1.4 °C para el ano 2030, en 2.2 °C para el ano 2060, y en 3.6 °C para el ano 2090; la precipitacion anual decrecera en 5.6 % para el ano 2030, 5.9 % para el ano 2060 y 7.8 % para el ano 2090. Los modelos climaticos pueden ser usados para inferir relaciones planta-clima y para desarrollar programas que aminoren los efectos del calentamiento global. Las variables climaticas fueron estimadas para localidades donde actualmente crecen poblaciones de Pinus hartwegii en Pico de Tancitaro, al centro-oeste de Michoacan, y Pinus pseudostrobus en Nuevo San Juan Parangaricutiro (cerca de Tancitaro). Con valores del indice de aridez estimados para esas localidades, se concluye que es necesario realizar migracion asistida para acoplar genotipos actuales con climas predichos, mediante un ascenso altitudinal de 400 a 450 m para acoplarse a los climas predichos para 2030 por el modelo Canadiense escenario A2, y de 600 a 800 m para acoplarse a climas del 2060
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 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".