Bayesian Hierarchical Regression to Assess Variation of Stream Temperature with Atmospheric Temperature in a Small Watershed
Notice bibliographique
Résumé
This paper described the variability of stream temperature, T s , and compared relationships between T s and air temperature, T a , at 10 sites along a 1.2 km reach in a 2 km 2 basin in New Jersey, USA, using Bayesian Hierarchical Regression. Mean daily mean T s was significantly cooler at two sites and significantly warmer at three sites relative to the mean daily T s for all sites combined. Seasonal daily mean T s showed the greatest variation between sites in the summer within the reach for both daily mean and daily maximum temperatures. Posterior distributions for slope parameters ( β j ) for regressions varied significantly by season and showed the greatest variation in summer. The strongest relationships occurred in autumn with β = 0 . 743 ± 0 . 019 ( β = 0 . 712 ± 0 . 022 ), and the weakest relationships occurred in the summer with β = 0 . 254 ± 0 . 030 ( β = 0 . 193 ± 0 . 039 ). Results support the conclusion that riparian shading impacts the effect of T a on T s , and that T s shows a stronger relationship with measured T a at sites in open areas that are more likely to have meteorologic conditions similar to bulk conditions.
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 | 0,000 | 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 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 ».