Replication Data for: "Multi-decadal trends of low-clouds at the Tropical Montane Cloud Forests"
Notice bibliographique
Résumé
These datasets are part of the inputs and outputs of the manuscript '’Multi-decadal trends of low-clouds at the Tropical Montane Cloud Forests." The file 'cloud-fraction_global.tif' provides a global raster of trends of low clouds from ERA5. The files 'TMCF_slope.csv' and 'TMCF_error.csv' provide the trends of Essential Climate Variables and their errors. If your interest is in using the names and geolocation of the TMCFs, please cite Aldrich et al. (1997) and follow the instructions of https://resources.unep-wcmc.org/products/84c3a142c4354cc1a75ac9e9ee8538e2. The files 'bayes_all_results.csv' and 'bayes_realm_results.csv' provide the results and metrics from the Bayesian t-test. The values are scaled at x10-4 to retain digital numbers. The files 'PLSR_components.csv', 'PLSR_coefficients.csv', 'PLSR_VIP.csv', 'PLSR_predicted.csv', and 'PLSR_performance.csv' provides the results from the Partial Least-Squares Regression (PLSR) model. Codes to produce and reproduce these files are available at https://github.com/Antguz/TMCF-trends.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,320 | 0,215 |
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 ».