meteorology-driver-classification

此技能為將複雜的環境與氣象數據集分類為有意義的驅動因素群組提供了結構化框架。專為環境科學家、水文學家及數據分析師設計，本技能通過確保原始輸入（如氣溫、降水、風模式及人為因素）經過系統性組織，促進嚴謹的歸因分析。透過將變數標準化分類為熱能、水流、風力及人類活動等核心類別，代理程式能夠在環境系統內執行更精確的統計分組與因果推論。

• 將變數分類為標準物理領域：熱能（熱量/輻射）、水流（水文運動）、風力（環流/壓力）及人類活動（人為影響）。

• 實作自定義派生變數，例如從長波與短波分量計算淨輻射。

• 透過驗證同一類別內的變數是否具有相關性與物理一致性，確保數據完整性。

• 透過識別影響生態系統或氣候模式變化最顯著的環境驅動因素，支援複雜的歸因工作流程。

• 輸入要求：預期處理包含原始測量值（如溫度、濕度、雲量、入流量/出流量及土地利用指標）的表格數據集（如 DataFrame）。

• 輸出預期：提供映射結構，其中每個原始變數均被分配一個驅動因素標籤，通常會產生適用於統計模型的整合特徵。

• 最佳實踐：務必驗證分組是否具備互斥性，以防止後續分析中出現共線性問題。

• 約束處理：當變數無法明確歸類時，利用領域知識定義最相關的物理驅動因素或創建新的派生指標。將總類別數限制在 3 到 5 個之間，以維持模型的可解釋性並減少歸因任務中的雜訊。請務必記錄特定分組決策背後的邏輯，以確保研究的可重複性。