MétaCan
Menu
Retour à la cohorte
Enregistrement W4283020606 · doi:10.1038/s41597-022-01373-8

PISCOeo_pm, a reference evapotranspiration gridded database based on FAO Penman-Monteith in Peru

2022· article· en· W4283020606 sur OpenAlexfundno aff
Adrian Huerta, Vivien Bonnesoeur, José Cuadros-Adriazola, Leonardo Flavio Gutierrez Lope, B. F. Ochoa‐Tocachi, Francisco Román‐Dañobeytia, Waldo Lavado‐Casimiro

Notice bibliographique

RevueScientific Data · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesGovernment of CanadaUnited States Agency for International Development
Mots-clésEvapotranspirationCruWind speedEnvironmental sciencePenman–Monteith equationMultivariate interpolationMeteorologyAir temperatureClimatologyDew pointGeographyPrecipitationMathematicsGeologyBilinear interpolation

Résumé

récupéré en direct d'OpenAlex

Abstract A new FAO Penman-Monteith reference evapotranspiration gridded dataset is introduced, called PISCOeo_pm. PISCOeo_pm has been developed for the 1981–2016 period at ~1 km (0.01°) spatial resolution for the entire continental Peruvian territory. The framework for the development of PISCOeo_pm is based on previously generated gridded data of meteorological subvariables such as air temperature (maximum and minimum), sunshine duration, dew point temperature, and wind speed. Different steps, i.e., (i) quality control, (ii) gap-filling, (iii) homogenization, and (iv) spatial interpolation, were applied to the subvariables. Based on the results of an independent validation, on average, PISCOeo_pm exhibits better precision than three existing gridded products (CRU_TS, TerraClimate, and ERA5-Land) because it presents a predictive capacity above the average observed using daily and monthly data and has a higher spatial resolution. Therefore, PISCOeo_pm is useful for better understanding the terrestrial water and energy balances in Peru as well as for its application in fields such as climatology, hydrology, and agronomy, among others.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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

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 Opus0,049
Tête enseignante GPT0,254
Écart entre enseignants0,206 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations26
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207