xclim: xarray-based climate data analytics
Notice bibliographique
Résumé
Contributors to this version: Trevor James Smith (@Zeitsperre), Éric Dupuis (@coxipi). New features and enhancements New properties: Bivariate Spell Length (xclim.sdba.properties.bivariate_spell_length), Generalized Spell Lengths with an argument for window, and Specific Spell Lengths with window fixed to '1' (xclim.sdba.properties.threshold_count, xclim.sdba.properties.bivariate_threshold_count). (PR/1758). New option normalize in sdba.measures.taylordiagram to obtain normalized Taylor Diagrams (divide standard deviations by standard deviation of the reference). (PR/1764). Breaking changes pint has been pinned below v0.24 until xclim can be updated to support the latest version. (GH/1771, PR/1772). numpy has been pinned below v2.0.0 until xclim can be updated to support the latest version. (PR/1783). Calendar utilities that have an equivalent in xarray have been deprecated and will be removed in xclim v0.51.0. (GH/1010, PR/1761). This concerns the following members of xclim.core.calendar: convert_calendar : Use Dataset.convert_calendar, DataArray.convert_calendar or xr.coding.calendar_ops.convert_calendar instead. If your code passes target as an array, first convert the source to the target's calendar and then reindex the result to target. If you were using the doy=True option, replace it with xc.core.calendar.convert_doy(source, target_cal).convert_calendar(target_cal). "default" is no longer a valid calendar name for any xclim functions and will not be returned by get_calendar. Xarray has a use_cftime argument, xclim exposes it when the distinction is needed. date_range : Use xarray.date_range instead. date_range_like: Use xarray.date_range_like instead. interp_calendar : Use Dataset.interp_calendar or xarray.coding.calendar_ops.interp_calendar instead. days_in_year : Use xarray.coding.calendar_ops._days_in_year instead. datetime_to_decimal_year : Use xarray.coding.calendar_ops._datetime_to_decimal_year instead. Internal changes Synchronized tooling versions across pyproject.toml and tox.ini and pinned them to the latest stable releases in GitHub Workflows. (PR/1744). Fixed a few small spelling and grammar issues that were causing errors with codespell. Now ignoring SVG files. (PR/1769). Temporarily skipping the test_hawkins_sutton_smoke test due to strange behaviour with xarray. (PR/1769). Fixed some previously uncaught errors raised from recent versions of pylint and codespell. (PR/1772). Set the doctest examples to all use h5netcdf with worker-separated caches to load datasets. (PR/1772). Bug fixes xclim.indices.{cold|hot}_spell_total_length now properly uses the argument window to only count spells with at least window time steps. (GH/1765, PR/1777). Addressed an error in xclim.ensembles._filters._concat_hist where remnants of a scenario selection were not being dropped properly. (PR/1780).
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,245 | 0,288 |
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 ».