MétaCan
Menu
Retour à la cohorte
Enregistrement W2907638505 · doi:10.29122/jstmc.v14i1.2682

ANALISIS AWAN HUJAN PADA SAAT BANJIR DKI DENGAN C-BAND RADAR

2013· article· id· W2907638505 sur OpenAlexaff
Findy Renggono

Notice bibliographique

RevueJurnal Sains & Teknologi Modifikasi Cuaca · 2013
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueWater and Land Management
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsForestryGeography

Résumé

récupéré en direct d'OpenAlex

IntisariBanjir besar kembali melanda ibukota Jakarta pada tanggal 17 Januari 2013. Hujan yang deras sejak tanggal 12 Januari 2013 di wilayah Jabodetabek menyebabkan banjir kembali melanda wilayah Jakarta. Banyaknya genangan juga menimbulkan kemacetan yang luar biasa yang kemudian menyebabkan lumpuhnya aktifitas ekonomi. Banjir ini disebut-sebut sebagai yang terburuk setelah banjir tahun 2007. BMKG melaporkan bahwa hujan ekstrim terjadi pada tanggal 17 dan 18 Januari, dan hal ini juga terpantau oleh TRMM yang mencatat bahwa hujan terjadi terus-menerus dengan curah hujan yang tinggi sejak tanggal 12. Analisis data radar menunjukkan bahwa pada tanggal 17, hampir seluruh wilayah Jakarta ditutupi oleh awan hujan yang tebal. Awan-awan hujan yang muncul mencapai ketinggian lebih dari 7 km dan masuk ke Jakarta dari arah Barat Laut. Pada tanggal 17, hampir seluruh awan hujan yang muncul mempunyai ketebalan lebih dari 7 km. AbstractHeavy flood has been hit Jakarta on January 17 , 2013. Heavy rains from January 12, 2013 in the Greater Jakarta area causing floods, which is said as the worst since 2007. BMKG reported that extreme rainfall occurred on 17 and 18 January, and it is also observed by TRMM which noted that rain occurs continuously with high rainfall since the Jan 12th. Radar data analysis showed that on the 17th, almost the entire area of Jakarta covered by thick towering precipitation clouds. These clouds appeared more than 7km height and move Westward - Northwestward . On the 17th, almost all the rain clouds that appear to have a thickness of more than 7km .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,215
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Sains & Teknologi Modifikasi CuacaMême sujetWater and Land ManagementTravaux en français237 207