Spatial and temporal characteristics of aridity index and association with AO and ENSO in Qinghai Province
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
This study were used the methods of climate tendency rate,spatial analysis,Penman-Monteith model,the temporal-spatial variations,cross wavelet and wavelet coherence to analyze the spatial and temporal variations of AI( aridity index),influencing factors,and the relationship of the AI with AO( Arctic Oscillation) and ENSO( El NinoSouthern Oscillation),based on the data of 29 meteorological stations in Qinghai Province during the period of 1961-2013. The results showed that the average of AI was 0. 49 for many years. The trend of AI fluctuantly reduced in the past 53 years. The average of AI linearly decreased at the rate of-0. 03 ·10 a~(-1)( α = 0. 01) over the study area,which means the climate gradually changes to moist in Qinghai Province. The maximum value and minimum value of AI appeared in December and August,respectively,which showed that the average of AI increased firstly then reduced within a year. The maximum of the AI appeared in northwest of Mangai County and north-central of Golmud City and Nuomuhong Town,and the minimum of AI appeared in southern-central of Maqulai County and Jiuzhi County. The average of AI had significantly positive correlation to sunshine time( P 0. 01) and wind velocity( P 0. 05) in Qinghai Province. At the same time,the average of AI has negative correlation with the temperature,precipitation and relative humidity. In addition,the average of AI is multi-scale significant correlation to AO and ENS in this study( a = 0. 05).
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 | 0,000 | 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