NCEP/NCAR reanalysis and its usefulness in the study of the spatial distribution of air temperature in the American Arctic and Subarctic
Notice bibliographique
Résumé
Dane gridowe (2,5x2,5°) z reanalizy NCEP/NCAR (Kalnay i in. 1996, Kistler i in. 2001) o różnej rozdzielczości czasowej (terminowe, dobowe i miesięczne) są obecnie coraz powszechniej wykorzystywane w klimatologii, szczególnie w przypadkach, kiedy dane ze stacji meteorologicznych nie są dostępne. Dla obszarów polarnych mogą być one bardzo przydatne, gdyż sieć stacji jest tu bardzo rzadka, co powoduje, iż odległości pomiędzy sąsiednimi punktami pomiarowymi sięgają setek kilometrów. Przed wykorzystaniem tych danych do różnych badań należy jednak sprawdzić ich poprawność i wiarygodność. Najlepiej to zrobić poprzez ich porównanie z istniejącymi obserwacjami dla stacji meteorologicznych. Vízi i Przybylak (2006) zbadali, które bazy danych (reanaliza NCEP/NCAR, dane gridowe 0,5x0,5 i 5x5 stopni, Global Historical Climatology Network /GHCN/ i Adjusted Historical Canadian Climate Database /AHCCD/) i metody interpolacji przestrzennej (np. metody krigingu, liniowa regresja przestrzenna, metoda ważonych odwrotnych odległości) są najwiarygodniejsze do przedstawienia współczesnych warunków klimatycznych na badanym obszarze. Stwierdzili, że wpływ wyboru metody interpolacji na rozkład przestrzenny temperatury powietrza w Arktyce i Subarktyce Amerykańskiej jest niewielki. Okazało się natomiast, że spośród wszystkich analizowanych baz danych najgorsze wyniki (najczęściej znacznie zaniżone wartości temperatury) uzyskano dla danych wziętych z reanalizy NCEP/NCAR dlatego też temat ten zdecydowano się przedstawić bardziej szczegółowo w niniejszym opracowaniu.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».