Relação entre coeficiente de recessão e índice de precipitação antecedente em bacias embutidas
Bibliographic record
Abstract
O trabalho investigou o comportamento do coeficiente de recessão (K) do hidrograma e sua relação com as condições de umidade antecedente de três bacias hidrográficas embutidas. O K foi estimado por meio de 2 métodos: (i) ajuste exponencial dos segmentos de recessão do hidrograma para cada um dos eventos identificados; (ii) aplicação do método da tabulação para obtenção das curvas de recessão mestre (MRCs) para cada bacia e ano. Não foi verificada diferença significativa entre os coeficientes K médios obtidos pelos 2 métodos. Os valores característicos de K se mostraram superiores a 0,999, implicando em baixa taxa de decaimento da recessão, ou seja, as bacias apresentam potencialidade de armazenamento de água. Calculou-se o índice de precipitação antecedente (API) para os intervalos de 3, 7, 14, 21 e 30 dias e realizou-se análises estatísticas de regressão simples e multivariada. Os valores de API ficaram entre 0 e 30 mm, sendo que sua variabilidade aumenta quanto menor a bacia. Não foi encontrada uma relação estatística significativa entre API e K, sugerindo que este não é o parâmetro mais adequado para explicar o comportamento da recessão de acordo com condições de umidade das bacias.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.003 |
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; both teacher heads agree on what is shown here.
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".