Spatiotemporal variations of aridity in Iran using high‐resolution gridded data
Notice bibliographique
Résumé
Aridity is a permanent feature of climate based on long‐term climatic conditions over a region. Climatic indices are reliable tools to explore climate type, and climatologists have proposed various indices to classify climate and investigate the aridity or humidity in any region. In this study, we examined spatiotemporal variations of aridity in Iran during the last six decades from 1954 to 2013, using the de Martonne aridity index ( I DM ), which is calculated based on precipitation and temperature. Data used in this study were extracted from the Global Precipitation Climatology Centre and the University of Delaware gridded data sets, respectively. Both data sets have global high‐resolution (0.5° × 0.5°) coverage, and temporally span more than a century of data (from 1901). According to the data obtained from these data sets, more than 80% of Iran has an arid and semi‐arid climate (annually), although the spatial pattern of I DM varies throughout the year. Using the Mann–Kendall test showed a negative significant trend in I DM in 20% of Iran's total area in spring, and less than 7% in the other seasons of the year. Overall, it can be concluded that there were no significant trends in aridity for most parts of Iran during the last six decades.
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 | 0,001 | 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 | 0,001 | 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 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 ».