Variations spatiales et temporelles des précipitations des neuf division climatiques de l'Oklahoma et implications pour l'utilisation locale de l'indice régional
Bibliographic record
Abstract
L'objectif de cette étude est de quantifier l'importance des variations spatiales des précipitations mensuelles par rapport à leurs variations temporelles régionales à l'échelle des divisions climatiques de l'Oklahoma. Les variations des précipitations à l'intérieur d'une division climatique sont supposées être constituées par trois composantes : les variations spatiales systématiques, les variations temporelles moyennes de la division climatique et les variations aléatoires. Les variations spatiales systématiques sont définies par le gradient des précipitations moyennes sur l'intégralité de la période. Les variations temporelles moyennes de la division climatique sont représentées par les variations temporelles de la moyenne spatiale des précipitations observées aux stations de la division, cette moyenne étant appelée indice régional. Les variations aléatoires sont estimées avec les différences entre les valeurs centrées réduites des précipitations observées aux stations et celles de l'indice régional. Cette étude montre que les amplitudes des variations aléatoires des précipitations mensuelles des neuf divisions climatiques de l'Oklahoma sont significatives par rapport aux variations temporelles régionales. La quantification de l'amplitude des variations aléatoires est importante pour l'utilisation des prévisions régionales des précipitations, car elle permet de déterminer les plages de variation des précipitations locales autour de l'indice régional et donc l'augmentation des risques pris par les utilisateurs des prévisions régionales pour des applications locales.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".