meteorology-driver-classification

此技能为将复杂的环境与气象数据集分类为有意义的驱动因素群组提供了结构化框架。专为环境科学家、水文学家及数据分析师设计，本技能通过确保原始输入（如气温、降水、风模式及人为因素）经过系统性组织，促进严谨的归因分析。透过将变量标准化分类为热能、水流、风力及人类活动等核心类别，代理程序能够在环境系统内执行更精确的统计分组与因果推论。

• 将变量分类为标准物理领域：热能（热量/辐射）、水流（水文运动）、风力（环流/压力）及人类活动（人为影响）。

• 实作自定义派生变量，例如从长波与短波分量计算净辐射。

• 透过验证同一类别内的变量是否具有相关性与物理一致性，确保数据完整性。

• 透过识别影响生态系统或气候模式变化最显著的环境驱动因素，支援复杂的归因工作流程。

• 输入要求：预期处理包含原始测量值（如温度、湿度、云量、入流量/出流量及土地利用指标）的表格数据集（如 DataFrame）。

• 输出预期：提供映射结构，其中每个原始变量均被分配一个驱动因素标签，通常会产生适用于统计模型的整合特征。

• 最佳实践：务必验证分组是否具备互斥性，以防止后续分析中出现共线性问题。

• 约束处理：当变量无法明确归类时，利用领域知识定义最相关的物理驱动因素或创建一个新的派生指标。将总类别数限制在 3 到 5 个之间，以维持模型的可解释性并减少归因任务中的杂讯。请务必记录特定分组决策背后的逻辑，以确保研究的可重复性。