Climate classification through recursive multivariate statistical inferences: a case study of the Athabasca River Basin, Canada
Notice bibliographique
Résumé
ABSTRACT In this study, a recursive dissimilarity and similarity inferential climate classification (ReDSICC) approach is developed to provide an alternative tool for climate classification. Based on incorporation of a discrete distribution transformation (DDT) method and integration of advanced statistical inferential methods, a recursive framework of dissimilarity and similarity inferences is proposed for stepwise grouping multi‐dimensional climate‐variable observations. ReDSICC is capable of eliminating the restriction of samples being normally distributed, enabling classification of regional climates under data uncertainties and multivariate dependencies, identifying the most desired climate classification result, and avoiding subjective judgments in the classification process. To verify methodological effectiveness and facilitate related studies, ReDSICC is applied to climate classification in the Athabasca River Basin (ARB), Canada. It is revealed that the complicated dissimilarities and similarities of climatic conditions among all grids over the ARB are effectively reflected in the results of ReDSICC. A reversible transformation between an abnormal distribution and a normal distribution is achieved by DDT. The effectiveness of climate classification which is represented as the Nash coefficient for climatic features over any grid and the corresponding climate class is decreased if DDT is not employed. In comparison with daily minimum temperature, the spatial heterogeneity of daily maximum temperature is higher while that of daily cumulative precipitation is lower over the ARB. The classification result of ReDSICC varies with changes of representative climate variables and parameter values. These advantages and revelations are helpful for enhancing the reliability of climate classification results, improving the effectiveness of existing climate classification methods, and providing scientific support for the related studies in the ARB or neighbouring regions.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».