MétaCan
Menu
← Retour à la cohorte
Enregistrement W1488001274 · doi:10.1029/2011jd016126

Constraining CloudSat-based snowfall profiles using surface observations and C-band ground radar

2011· article· en· W1488001274 sur OpenAlexaffabout
F. Joseph Turk, Kyung‐Won Park, Ziad S. Haddad, Peter Rodriguez, David Hudak

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2011
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesCalifornia Institute of TechnologyFlorida State UniversityJet Propulsion LaboratoryColorado State UniversityNational Aeronautics and Space Administration
Mots-clésSnowDisdrometerEnvironmental scienceRadarRemote sensingMeteorologyPrecipitationAtmospheric sciencesGeologyGeographyComputer scienceRain gauge

Résumé

récupéré en direct d'OpenAlex

[1] The CloudSat Precipitation Radar, launched in 2006, provides vertical profiles of W-band (94 GHz) reflectivity and is sensitive to falling snow through all but the most intense precipitating cloud structures. Precipitation retrievals of falling snow are affected by a wide diversity of factors describing the medium, such as snow particle shape, size, and composition, which in turn are controlled by ambient factors including the environmental temperature and humidity. Because satellite-based radiometric sounders such as the Microwave Humidity Sounder (MHS) operate without the benefit of coordinated space radar observations, microphysical descriptions of the snow particle medium derived from CloudSat or other radar observations are beneficial to passive microwave (PMW) radiometer-only snowfall retrieval methods. At the coarse scale of these PMW observations, the radiative signal due to the snow is relatively weak compared to the contributions from the atmosphere and the land surface emissivity. Using the C-band (5 GHz) polarization-agile King City radar (WKR) operated by Environment Canada, we examined the vertical structure of winter precipitation events from coordinated overpasses of CloudSat and NOAA 18 (MHS). Two-dimensional video disdrometer observations are used to limit (constrain) the range of the drop-size distribution parameters that are provided through a priori databases to dual-frequency (C/W-band) radar retrieval. Bayesian retrievals using the constrained database produce water content profiles that more closely replicate the observed radar reflectivity profiles and transition smoothly between the single-frequency (CloudSat only) and dual-frequency regions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,115

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,174
Tête enseignante GPT0,317
Écart entre enseignants0,143 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research Atmospheres→Même sujetCryospheric studies and observations→Travaux en français237 207→