Comparative analysis of three methods detecting inhomogeneity of radiosonde temperature data in China
Notice bibliographique
Résumé
Combining reanalysis data as a reference series and the detailed metadata of each radiosonde station in China,homogeneity test and corrections were carried out for monthly temperature data at mandatory levels at 123 radiosonde stations from 1951 to 2008 in China using a Pairwise method developed by America National Climatic Data Center,PM FT and PM T methods developed by the Environment Center of Canada. The results showthat adjusted values of radiosonde temperature data in China and its trends before and after correction have some differences for three different methods. One of the main reasons is that design of the Pairwise method leads to the weak capability for break points detection if majority regional stations of China change their radiation correction method and update the system simultaneously. Another reason is that the PM FT method cannot remove the climate temperature trend because of no reference series,so some break points cannot be detected. The PM T method combines with reanalysis data,which is more suitable for homogeneity test and correction of radiosonde temperature data in China. The adjusted results showthat the statistical characteristics of radiosonde temperature are greater than those of the global scale at the lowlevel,and both are consistent at the high level. Two break points and adjusted values between- 0. 2 ℃ to 0. 0 ℃ have a larger proportion in datasets. After adjustment,the troposphere temperature average over China is warming trend. This warming trend weakens gradually with increase of heights and becomes a weak cooling trend till 100 h Pa.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 tête enseignante, 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 ».