MétaCan
Menu
Retour à la cohorte
Enregistrement W2320808450 · doi:10.3334/ornldaac/1219

Daymet: Daily Surface Weather Data on a 1-km Grid for North America, Version 2

2014· article· en· W2320808450 sur OpenAlexaboutno aff
Peter Thornton, Michele Thornton, Benjamin Mayer, Nate Wilhelmi, Yaxing Wei, Ranjeet Devarakonda, Robert B. Cook

Notice bibliographique

RevueOak Ridge National Laboratory Distributed Active Archive Center for Biogeochemical Dynamics · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeographic coordinate systemOak Ridge National LaboratoryMeteorologyLongitudeEnvironmental scienceGeographyComputer scienceRemote sensingLatitudeCartographyPhysics

Résumé

récupéré en direct d'OpenAlex

This data set provides Daymet output data as mosaicked gridded estimates of daily weather parameters for North America, including continuous surfaces of day length, precipitation, shortwave radiation, snow water equivalent, maximum air temperature, minimum air temperature, and water vapor pressure. The Daymet data product was derived from selected meteorological station data by interpolation and extrapolation algorithms. The data product covers the period January 1, 1980 to December 31 of the most recently processed calendar year for Canada and the United States, currently 2015. Data for additional calendar years will become available by June of the following year. For Mexico, data are available for the period January 1, 1980 to December 31, 2009. Data are available on a daily time step at a 1-km x 1-km spatial resolution in Lambert Conformal Conic projection with a spatial extent that covers the conterminous United States, Mexico, and Southern Canada as meteorological station density allows. Data are assembled by parameter and year with each yearly file containing a time dimension of 365 days. Data are provided in Climate and Forecast (CF) metadata convention compliant (version 1.4) netCDF file formats.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,162

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0480,031

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,230
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations387
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOak Ridge National Laboratory Distributed Active Archive Center for Biogeochemical DynamicsMême sujetRemote Sensing in AgricultureTravaux en français237 207