Precipitation trends and teleconnections identified using quantile regressions over Xinjiang, China
Notice bibliographique
Résumé
ABSTRACT Precipitation in Xinjiang, China, was modelled with covariates, such as time and climate indices, using quantile regressions. Compared to a frequentist quantile regression, a Bayesian quantile regression tended to generate smoother and narrower band confidence intervals of quantile regression coefficients, especially at extremely high and low quantile levels. A full picture of temporal trends at quantile levels from 0.01 to 0.99 indicates that the wet season (May to August) precipitation in Northern Xinjiang and the western regions of Southern Xinjiang showed statistically significant increases with different magnitudes over all quantile levels. However, the wet season precipitation in South‐eastern Xinjiang decreased at some quantile levels. The Eastern Atlantic/Western Russia (EAWR) pattern was the most significant large‐scale climate pattern that influenced wet season precipitation when compared to other studied patterns, i.e. the El Niño–Southern Oscillation (ENSO), the Atlantic Multidecadal Oscillation (AMO), the Pacific Decadal Oscillation (PDO), the Northern Oscillation (NO), the Arctic Oscillation (AO) and the North Atlantic Oscillation (NAO). The quantile regression coefficients associated with theEAWRindex positively increased from low to high quantile levels. TheENSOsignificantly affected the extremely high wet season precipitation in Xinjiang. El Niño increased and La Niña decreased wet season precipitation in Northern Xinjiang, with different magnitudes at different quantile levels. Other climate patterns, i.e. theAMO,PDO,NO,NAOandAO, did not evidently affect the wet season precipitation conditional on theENSOandEAWR. These findings suggest that the predictability of seasonal precipitation over Xinjiang can be improved by incorporating indices associated with theENSOandEAWRas model predictors.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».