Pemetaan Distribusi Petir Untuk Wilayah Manado Tahun 2013 Dan 2014
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
Telah dilakukan penelitian untuk memetakan distribusi petir untuk wilayah Manado berdasarkan data petir tahun 2013 dan 2014. Data real time sambaran petir dari rekaman lightning detector diolah menggunakan beberapa program, yaitu Lightning 2000, Golden Software Surfer 8, Lightning Data Processing, GIS 10.3, Google Earth dan Microsoft Excel. Pada program GIS 10.3 data yang didapatkan kemudian dipetakan menggunakan metode Kriging. Hasil yang diperoleh dalam penelitian ini berupa peta kontur distribusi petir di wilayah Kota Manado. Berdasarkan hasil dari pengolahan data, diperoleh data yang menunjukkan bahwa kejadian petir tertinggi terdapat pada bulan Oktober 2013 yaitu sebanyak 6.540 kejadian dan bulan Mei 2014 yaitu sebanyak 7.330 kejadian petir. Distribusi petir CG+ tertinggi terdapat pada kecamatan Wenang dan tidak ada kejadian petir CG+ di 4 kecamatan yaitu Kecamatan Tikala, Paal Dua, Singkil dan TumintingResearch has been done to make a distribution map for Manado area based on lightning data of year 2013 and 2014. The real time data of lightning strikes from lightning detector processed by using a few program that is Lightning 2000, Golden Software Surfer 8, Lightning Data Processing, GIS 10.3, Google Earth and Microsoft Excel. Data that we got from GIS 10.3 use for mapping with Kriging method. Output from this research is contour map in Manado city area. Based on output from processed data, we got data that the highest lightning event happened in October 2013 that is 6.540 event and in May 2014 that is 7.330 lightning event. Highest CG+ lightning distribution located in Wenang Districts and there is no CG+ lightning event in 4 districts which is Tikala, Paal Dua, Singkil and Tuminting Districts
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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