Comment on egusphere-2024-4117
Notice bibliographique
Résumé
Abstract. Hydrological fluxes typically vary across seasons, with several existing metrics available to characterize their seasonality. These metrics are beneficial when many catchments across diverse climates and landscapes are studied concurrently. Here, we present directional statistics to characterize streamflow seasonality, capturing the timing of streamflow (center of mass) and the strength of its seasonal cycle (concentration). We show that directional statistics is mathematically more robust than several widely used metrics to quantify streamflow seasonality. We extend the application of directional statistics to analyse seasonality in other hydrological fluxes, including precipitation, evapotranspiration, and snowmelt, and we introduce a trend analysis framework for both the timing and strength of seasonal cycles. Using an Alpine catchment (Dischma, Switzerland) as a testbed for this methodology, we identify a shift in the streamflow center of mass to earlier in the year and a weakening of the seasonal cycle. Additionally, we apply directional statistics to streamflow data from 11,118 European catchments, highlighting its utility for large-scale hydrological analyses. The introduced metrics, leveraging directional statistics, can improve our understanding of streamflow seasonality and associated changes, and can also be used to study the seasonality of other environmental fluxes, within and beyond hydrology.
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 | 0,004 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,017 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,336 | 0,259 |
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 ».