MétaCan
Menu
Retour à la cohorte
Enregistrement W4386829292 · doi:10.1038/s41597-023-02535-y

A daily high-resolution (1 km) human thermal index collection over the North China Plain from 2003 to 2020

2023· article· en· W4386829292 sur OpenAlexaff
Xiang Li, Ming Luo, Yongquan Zhao, Hui Zhang, Erjia Ge, Ziwei Huang, Sijia Wu, Peng Wang, Xiaoyu Wang, Yu Tang

Notice bibliographique

RevueScientific Data · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Heat Island Mitigation
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésChinaIndex (typography)Environmental scienceCoastal plainGeographyRemote sensingBiologyEcologyArchaeologyWorld Wide WebComputer science

Résumé

récupéré en direct d'OpenAlex

Human-perceived temperature (HPT) describes the joint effects of multiple climatic factors such as temperature and humidity. Extreme HPT events may reduce labor capacity and cause thermal discomfort and even mortality. These events are becoming more frequent and more intense under global warming, posing severe threats to human and natural systems worldwide, particularly in populated areas with intensive human activities, e.g., the North China Plain (NCP). Therefore, a fine-scale HPT dataset in both spatial and temporal dimensions is urgently needed. Here we construct a daily high-resolution (~1 km) human thermal index collection over NCP from 2003 to 2020 (HiTIC-NCP). This dataset contains 12 HPT indices and has high accuracy with averaged determination coefficient, mean absolute error, and root mean squared error of 0.987, 0.970 °C, and 1.292 °C, respectively. Moreover, it exhibits high spatiotemporal consistency with ground-level observations. The dataset provides a reference for human thermal environment and could facilitate studies such as natural hazards, regional climate change, and urban planning.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptaucune catégorie
Domaine: non disponible · Genre: Jeu de données
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,004

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 Opus0,021
Tête enseignante GPT0,239
Écart entre enseignants0,218 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeObservationnel · Sans objet
Domainenon disponible
GenreEmpirique · Jeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetUrban Heat Island MitigationTravaux en français237 207