MétaCan
Menu
Retour à la cohorte
Enregistrement W2965594601 · doi:10.1080/23863781.2019.1642602

Análise de flutuações na precipitação no macrotempo

2019· article· pt· W2965594601 sur OpenAlexaff
M. Isabel P. de Lima, S. Lovejoy

Notice bibliographique

RevueRibagua · 2019
Typearticle
Languept
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésGeographyEnvironmental sciencePhysics

Résumé

récupéré en direct d'OpenAlex

RESUMOEste trabalho debruça-se sobre a caracterização de regimes na precipitação e a melhor compreensão da variabilidade neste processo. Esta caracterização tem sido afetada por limitações com origem nos dados de precipitação analisados (e.g. resolução e cobertura temporal e espacial dos dados) e nas abordagens metodológicas adotadas, e por incertezas relacionadas com os efeitos prováveis de alterações climáticas neste processo. Obviando algumas destas problemáticas, os principais contributos deste trabalho assentam na seguinte abordagem, em que se: (i) usa três produtos de precipitação que permitem estudar desde escalas mensais a escalas centenárias e escalas espaciais que se estendem até à escala planetária; (ii) estuda a precipitação sobre os continentes, sobre os oceanos e à escala global; (iii) investiga a estatística da precipitação no macrotempo, um regime intermédio entre os regimes tempo e clima; (iv) usa análise espectral e flutuações Haar para identificar regimes na precipitação e caracterizar a estatística (escalante) temporal, espacial e espácio-temporal da precipitação. Dos resultados obtidos destaca-se a identificação do carácter distinto, escalante, de vários regimes na precipitação e de efeitos, presumivelmente de origem antrópica, observados na variabilidade da precipitação, nas baixas frequências.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,419
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0420,041

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 Opus0,015
Tête enseignante GPT0,243
Écart entre enseignants0,229 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRibaguaMême sujetClimate variability and modelsTravaux en français237 207