Multifractality of Canadian precipitation and streamflow
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.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».