Estimated spatiotemporal variability of total, direct and diffuse solar radiation across China during 1958–2016
Notice bibliographique
Résumé
The long‐term variability of total, direct and diffuse solar radiation across China during 1958–2016 is investigated based on a ground‐measured daily radiation dataset. Missing data are estimated using a 3‐day average moving window and a backpropagation artificial neural network (BP network). The BP network achieves better estimates of direct ( R 2 = 0.32–0.96) than diffuse radiation ( R 2 = 0.00–0.81). A dimming period during 1958–1990 and a “From Dimming to Brightening” transition between 1990 and 1993 have been detected across China. The declining ratio of direct to diffuse radiation suggests a degrading air quality caused by increasing aerosols in eastern China. To study the aerosol effect on radiation, two empirical models are developed from 2000–2016 using the ground‐measured total radiation, sunshine duration and satellite‐retrieved total aerosol concentration. Both models perform well in the estimate of direct ( R 2 = 0.71–0.89) and diffuse radiation ( R 2 = 0.63–0.95). The increasing total radiation in eastern China since 2000 is mainly contributed by diffuse radiation. Besides, small anthropogenic aerosols can increase diffuse fraction, the proportion of diffuse in total radiation, whereas large natural aerosols may reduce it. The BP network and empirical models exhibit a better agreement in the estimate of direct than diffuse radiation in eastern China, which highlights the impact of aerosols on diffuse radiation in the recent decade.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».