Multifractality of Canadian precipitation and streamflow
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
ABSTRACT The detrended fluctuation analysis ( DFA ) and multifractal DFA , which can detect nonstationarities of time series with trends, were applied to study long‐term persistence ( LTP ) and multifractal behaviour of 100 stations of daily precipitation and 145 stations of streamflow time series of Canada. Results show that all precipitation time series showed LTP at both small and large time scales, while streamflow time series generally showed nonstationary behaviour at small time scales and LTP at large time scales. The significant multifractal behaviour of Canadian precipitation and streamflow data can be accurately described by the universal multifractal model and the modified multiplicative cascade model. Precipitation over central Canada showed stronger multifractality than that of western and eastern Canada, while multifractality of streamflow data is less spatially homogeneous. The multifractal strength of precipitation is generally smaller than that of streamflow. Eleven (9) out of 100 precipitation stations showed positive (negative) temporal trends in parameters derived using the universal multifractal model, and about half of the stations whose streamflow data exhibited statistically significant abrupt change points showed a weakening or strengthening in the multifractal strength moving from the pre‐change to the post‐change periods. Differences in the multifractal strength between Canadian precipitation and streamflow data suggest that the persistence of streamflow was not only because streamflow is more autocorrelated than precipitation but also it is more consistently affected by human activities such as streamflow regulation.
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