A Technique to Detect Microclimatic Inhomogeneities in Historical Records of Screen-Level Air Temperature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract A new method to detect errors or biases in screen-level air temperature records at standard climate stations is developed and applied. It differs from other methods by being able to detect microclimatic inhomogeneities in time series. Such effects, often quite subtle, are due to alterations in the immediate environment of the station such as changes of vegetation, development (buildings, paving), irrigation, cropping, and even in the maintenance of the site and its instruments. In essence, the technique recognizes two facts: differences of thermal microclimate are enhanced at night, and taking the ratio of the nocturnal cooling at a pair of neighboring stations nullifies thermal changes that occur at larger-than-microclimatic scales. Such ratios are shown to be relatively insensitive to weather conditions. After transforming the time series using Hurst rescaling, which identifies long-term persistence in geophysical phenomena, cooling ratio records show distinct discontinuities, which, when compared against detailed station metadata records, are found to correspond to even minor changes in the station environment. Effects detected by this method are shown to escape detection by current generally accepted techniques. The existence of these microclimatic effects are a source of uncertainty in long-term temperature records, which is in addition to those presently recognized such as local and mesoscale urban development, deforestation, and irrigation.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle