Comparação de dados meteorológicos e estimativa da radiação líquida e evapotranspiração de referência utilizando estações convencional e automática
Bibliographic record
Abstract
A tendência atual é que as estações meteorológicas convencionais (EMC) sejam substituídas pelas estações automáticas (EMA). Entretanto, é necessário uma análise para avaliar possíveis diferenças entre os dados das duas estações. O objetivo deste trabalho foi comparar dados meteorológicos diários de temperaturas do ar máxima, mínima e média, velocidade do vento, umidade relativa média do ar, precipitação, pressão e radiação líquida, obtidos por EMC e EMA, bem como a estimativa da evapotranspiração de referência (ETo) por Penman-Monteith em Teresina, PI. Analisou-se o período de janeiro 2008 a dezembro 2013. As comparações estatísticas dos dados foram feitas por meio de análise de regressão, aferindo-se os ajustes com base no coeficiente de determinação (R²), do índice de concordância de Willmott (d) e do índice de confiança (c). Ao analisarem-se as variáveis separadamente, observaram-se altas correlações para os dados de temperaturas do ar máxima, mínima e média; umidade relativa do ar; precipitação, pressão atmosférica e radiação líquida. O pior ajuste foi para variável velocidade do vento. A estimativa da ETo a partir de dados dos dois tipos de estação também apresentou alta correlação.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| 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".