Delineation of precipitation regions using location and atmospheric variables in two Canadian climate regions: the role of attribute selection
Notice bibliographique
Résumé
The identification of homogeneous precipitation regions is essential in the planning, design and management of water resources systems. Regions are identified using a technique that partitions climate sites into groups based on the similarity of their attributes; the procedure is known as regionalization. In this paper the ability of four attribute sets to form large, coherent precipitation zones is assessed in terms of the regional homogeneity of precipitation statistics and computational efficiency. The outcomes provide guidance for effective attribute selection for future studies in Canada. The attributes under consideration include location parameters (latitude, longitude), distance to major water bodies, site elevation and atmospheric variables modelled at different pressure levels. The analysis is conducted in two diverse climate regions within Canada including the Prairie and the Great Lakes–St Lawrence lowlands regions. The method consists of four main steps: (i) formation of the attribute sets; (ii) determination of the preferred number of regions (selection of the c-value) into which the sites are partitioned; (iii) regionalization of climate sites using the fuzzy c-means clustering algorithm; and (iv) validation of regional homogeneity using L-moment statistics. The results of the attribute formation, c-value selection, regionalization and validation processes are presented and discussed in a comparative analysis. Based on the results it is recommended for both regions to use location parameters including latitude, longitude and distance to water bodies (in the Great Lakes region) to form precipitation regions and to consider atmospheric variables for future (climate change) applications of the regionalization procedure.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».