A new nonparametric copula framework for the joint analysis of river temperature and low flow characteristics for aquatic habitat risk assessment
Notice bibliographique
Résumé
The joint probability analysis of river water temperature (RWT) and low flow (LF) characteristics is essential as their combined effect can negatively affect aquatic species, e.g., ectotherm fish. Traditional multivariate models may not be as effective as copula-based methodologies. This study introduces a new multivariate approach, the nonparametric copula density framework, free from any distribution assumption in their univariate margins and copula joint density. The proposed framework utilized RWT and LF datasets collected at five different river stations in Switzerland. The study evaluates a nonparametric Gaussian kernel with six bandwidth selectors to model marginal densities. It employs nonparametric-based Beta kernel density, Bernstein estimator, and Transformation kernel estimator to approximate copula density with nonparametric and parametric margins. The performance of some parametric copula densities was also compared. The most justifiable models were employed to estimate bivariate joint exceedance probabilities and return periods (RPs). The Beta kernel copula with Gaussian kernel margins outperformed other models for most stations; Bernstein and Transformation copula with Gaussian kernel margins were better for only one station each. The univariate RPs (RWT or LF) are lower than the AND-joint but higher than OR joint case. As the percentile value of LF events (serve as a conditioning variable) increases, the bivariate joint RPs of RWT also increase. Higher values in RWT events result in higher RPs than lower values at the fixed percentile value of LF. All such estimated risk statistics are beneficial to analyze their mutual risk in aquatic habitats and freshwater ecosystems.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».