Bias correction of modelled urban temperatures with crowd-sourced weather data
Notice bibliographique
Résumé
Earth and Space Science Open Archive This preprint has been submitted to and is under consideration at Journal of Applied Meteorology and Climatology. ESSOAr is a venue for early communication or feedback before peer review. Data may be preliminary.Learn more about preprints preprintOpen AccessYou are viewing an older version [v1]Go to new versionBias correction of modelled urban temperatures with crowd-sourced weather dataAuthorsOscarBrousseiDCharles H.SimpsoniDOwainKenwayAlbertoMartilliiDScottKrayenhoffiDAndreaZonatoClareHeavisideiDSee all authors Oscar BrousseiDCorresponding Author• Submitting AuthorUniversity College LondoniDhttps://orcid.org/0000-0002-7364-710Xview email addressThe email was not providedcopy email addressCharles H. SimpsoniDUniversity College LondoniDhttps://orcid.org/0000-0001-9356-5833view email addressThe email was not providedcopy email addressOwain KenwayUniversity College Londonview email addressThe email was not providedcopy email addressAlberto MartilliiDCIEMATiDhttps://orcid.org/0000-0002-7795-5871view email addressThe email was not providedcopy email addressScott KrayenhoffiDUniversity of GuelphiDhttps://orcid.org/0000-0002-4776-4353view email addressThe email was not providedcopy email addressAndrea ZonatoAtmospheric Physics Group, Department of Civil, Environmental and Mechanical Engineering, University of Trento, Trento, Italyview email addressThe email was not providedcopy email addressClare HeavisideiDUniversity College LondoniDhttps://orcid.org/0000-0002-0263-4985view email addressThe email was not providedcopy email address
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».