Thermal regime metrics and quantifying their uncertainty for North American streams
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 Understanding and characterizing thermal regimes is gaining popularity, but there has been little assessment of the sources and magnitudes of uncertainty among different thermal metrics. Understanding how the quantity of data influence estimates of metrics and the characterization of thermal regime is critical to resource management. We examine the influence of record length on the uncertainty of estimation for commonly used thermal metrics including mean annual maximum and minimum, timing of the annual maximum and minimum, mean annual temperature range, mean weekly maximum temperature, July maximum, minimum, and range. We selected 19 sites from U.S. Geological Survey hydrometric station network to represent stations with both small and large drainage areas across the ecoregions of the contiguous United States with at least 20 years of daily stream temperature data. We also selected 54 sites from Water Survey of Canada's hydrometric network with at least 7 years of sub‐daily data for the province of Ontario. Randomizing a progressively increasing set of years used to calculate estimates of each metric provided the percentile confidence bands that were compared with various thresholds of acceptable certainty. Bootstrap confidence bands quickly decreased in width with increasing record length and approached an acceptable level at an average of 12 years for daily data metrics. Metrics calculated using the sub‐daily data required approximately 3 years of data. The timing of annual minimum and maximum temperatures required the greatest amount of data to reduce bias to an acceptable level.
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 | 0,001 | 0,002 |
| 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