PEMANFAATAN DATA TROPICAL RAINFALL MEASURING MISSION PADA STASIUN HUJAN DI WILAYAH SUNGAI BENANAIN
Notice bibliographique
Résumé
Wilayah Sungai Benanain merupakan salah satu wilayah sungai yang berada di Pulau Timor. Sumber air yang berada pada wilayah sungai ini memiliki kontribusi yang sangat besar dalam pemanfaatannya bagi pemenuhan kebutuhan hidup masyarakat. Penelitian ini bertujuan untuk memperoleh data curah hujan dari TRMM dan pos hujan yang dapat dipakai pada analisis hidrologi. Analisis ini dilakukan pada 26 data pos hujan yang dikunci oleh grid TRMM dengan resolusi 0,25° x 0,25°. Dalam setiap grid TRMM terdapat minimal 1 data pos hujan sehingga berdasarkan persebarannya pada penelitian ini terdapat 11 grid TRMM. Hasil yang diperoleh adalah nilai koefisien korelasi pada basis hujan bulanan sebesar 0,1143 – 0,8760. Nilai RMSE pada basis hujan bulanan sebesar 34,59 – 1102,86. Nilai error pada basis hujan harian maksimum tahunan (HHMT) sebesar 0,0610 – 1,3647. Nilai error pada basis hujan harian sebesar 0,0029 – 0,0463. Data curah hujan yang lolos uji karakteristik hujan rencana ialah data yang memiliki nilai R100/R2 antara 1,5–3,4 serta grafik lengkung faktor pertumbuhannya memiliki trend yang relatif sama dengan data hujan lainnya. Data satelit yang lolos uji karakteristik hujan rencana ialah yakni TRMM I, II, III, IV, V, VIII, IX, X dan XI. Pos hujan yang lolos uji karakteristik hujan rencana yakni Kaubele, Haliwen, Baurasi, Lahurus, Oekoni, Manufui, Uaba’u, Noemuti, Kesetnana, dan Oinlasi.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».