Notice bibliographique
Résumé
Bölgelerin, iklimlerini oluşturan iklim elemanlarından biri olan yüzey nemi küresel iklim değişikliğinin bir sonucu olarak zamansal ve mekânsal değişime uğramaktadır. Bu çalışmada, Türkiye’deki yüzey nemi değerlerinin uzun vadeli bölgesel trendleri çıkarılmış olup, bu trendlerin anlamlılıkları istatistiksel olarak analiz edilmiştir. Çalışmada öncelikle yüzey nemindeki değişimin iklim değişikliğindeki önemi ve diğer iklim elemanları ile ilişkileri anlatılmıştır. Dünya genelinde yüzey neminin zamansal trendleri, nem ile ilgili yapılan bilimsel çalışmalar aracılığıyla sunulmuştur. Türkiye’nin yüzey nem trendleri de 92 istasyonun son 30 yıldaki (1989-2018 arası) günlük bağıl nem ve hesaplanan özgül nem değerleri kullanılarak her bölge için mevsimsel olarak incelenmiştir. İstasyonlardaki bağıl nem değerleri genellikle tüm mevsimlerde azalma eğilimi göstermektedir. Azalma trendinin en düşük olduğu bölgeler Karadeniz ve Marmara Bölgeleri olup; en fazla olduğu bölgeler ise Akdeniz, Güneydoğu Anadolu ve İç Anadolu Bölgeleridir. En büyük düşüş yaz mevsimi boyunca on yılda %4.41 ile Güneydoğu Anadolu Bölgesi’nde görülmüştür. İstasyonlardaki özgül nem değerlerinin ise özellikle kış mevsiminde artış eğiliminde olduğu görülmektedir. Marmara, Ege ve Karadeniz Bölgelerinde tüm mevsimlerde özgül nem değerleri artış eğilimdedir. Özgül nemdeki değişimler periyot boyunca tüm bölgelerde bağıl nemdeki kadar keskin değildir.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,102 | 0,031 |
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 ».