MétaCan
Menu
Retour à la cohorte
Enregistrement W3010996375 · doi:10.31062/agrom.v27i2.26438

Comparação de dados meteorológicos e estimativa da radiação líquida e evapotranspiração de referência utilizando estações convencional e automática

2020· article· pt· W3010996375 sur OpenAlexaff
Marcus Willame Lopes Carvalho, E. A. Bastos, Aderson Soares de Andrade Júnior, Paulo César Sentelhas

Notice bibliographique

RevueAgrometeoros · 2020
Typearticle
Languept
DomaineEnvironmental Science
ThématiqueEnvironmental and biological studies
Établissements canadiensNortel (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesMathematicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

A tendência atual é que as estações meteorológicas convencionais (EMC) sejam substituídas pelas estações automáticas (EMA). Entretanto, é necessário uma análise para avaliar possíveis diferenças entre os dados das duas estações. O objetivo deste trabalho foi comparar dados meteorológicos diários de temperaturas do ar máxima, mínima e média, velocidade do vento, umidade relativa média do ar, precipitação, pressão e radiação líquida, obtidos por EMC e EMA, bem como a estimativa da evapotranspiração de referência (ETo) por Penman-Monteith em Teresina, PI. Analisou-se o período de janeiro 2008 a dezembro 2013. As comparações estatísticas dos dados foram feitas por meio de análise de regressão, aferindo-se os ajustes com base no coeficiente de determinação (R²), do índice de concordância de Willmott (d) e do índice de confiança (c). Ao analisarem-se as variáveis separadamente, observaram-se altas correlações para os dados de temperaturas do ar máxima, mínima e média; umidade relativa do ar; precipitação, pressão atmosférica e radiação líquida. O pior ajuste foi para variável velocidade do vento. A estimativa da ETo a partir de dados dos dois tipos de estação também apresentou alta correlação.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,277
Écart entre enseignants0,201 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgrometeorosMême sujetEnvironmental and biological studiesTravaux en français237 207