An Estimate of the Sampling Error Variance of the Gridded GHCN Monthly Surface Air Temperature Data
Notice bibliographique
Résumé
Abstract The sampling error variances of the 5° × 5° Global Historical Climatological Network (GHCN) monthly surface air temperature data are estimated from January 1851 to December 2001. For each GHCN grid box and for each month in the above time interval, an error variance is computed. The authors’ error estimation is determined by two parameters: the spatial variance and a correlation factor determined by using a regression. The error estimation procedures have the following steps. First, for a given month for each grid box with at least four station anomalies, the spatial variance of the grid box’s temperature anomaly, σ̂2s, is calculated by using a 5-yr moving time window (MTW). Second, for each grid box with at least four stations, a regression is applied to find a correlation factor, αs, in the same 5-yr MTW. Third, spatial interpolation is used to fill the spatial variance and the correlation factor in grid boxes with less than four stations. Fourth, the sampling error variance is calculated by using the formula E2 = αsσ̂2s/N, where N is the total number of observations for the grid box in the given month. The two parameters of the authors’ error estimation are compared with those of the University of East Anglia’s Climatic Research Unit for the decadal data. The comparison shows a close agreement of the parameters’ values for decadal data. An advantage of this new method is the generation of monthly error estimates. The authors’ error product will be available at the U.S. National Climatic Data Center.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».