Application Potential of Four Nontraditional Similarity Metrics in Hydrometeorology
Notice bibliographique
Résumé
Abstract This paper presents a review and assessment of four nontraditional similarity metrics that can be applied to hydrological and meteorological data. These metrics are 1) the uncentered correlation coefficient, 2) the Hodgkin–Richards index, 3) the Petke index, and 4) the Wang–Bovik index. The first metric has been widely used in hydrometeorology, and the other three have been proposed in other disciplines for similarity analysis. It is demonstrated that these similarity metrics, in their original formulations, either do not actually have the purported advantage over the traditional Pearson correlation coefficient or are not suitable for some hydrometeorological applications. They are reformulated in this study to address these deficiencies. The resulting modified metrics are unitless, bounded, and proportional to the Pearson correlation coefficient, and three of them have the confirmed advantage of explicitly penalizing for differences in the mean and/or in the variance. Two application examples are used to demonstrate the applicability of these similarity metrics in hydrometeorology. A metavalidation model and a graphical tool (Taylor diagram) are used to evaluate the performances of these similarity metrics. In a case study of analog analysis, the Wang–Bovik index stands out as the best metric for simulation of the human perception of similarity between two-dimensional patterns, whereas the modified Petke index and the traditional root-mean-square distance may perform slightly better than the others in the regions with a very large difference between the variances.
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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».