Impact of Wind Direction, Wind Speed, and Particle Characteristics on the Collection Efficiency of the Double Fence Intercomparison Reference
Notice bibliographique
Résumé
Abstract The accurate measurement of snowfall is important in various fields of study such as climate variability, transportation, and water resources. A major concern is that snowfall measurements are difficult and can result in significant errors. For example, collection efficiency of most gauge–shield configurations generally decreases with increasing wind speed. In addition, much scatter is observed for a given wind speed, which is thought to be caused by the type of snowflake. Furthermore, the collection efficiency depends strongly on the reference used to correct the data, which is often the Double Fence Intercomparison Reference (DFIR) recommended by the World Meteorological Organization. The goal of this study is to assess the impact of weather conditions on the collection efficiency of the DFIR. Note that the DFIR is defined as a manual gauge placed in a double fence. In this study, however, only the double fence is being investigated while still being called DFIR. To address this issue, a detailed analysis of the flow field in the vicinity of the DFIR is conducted using computational fluid dynamics. Particle trajectories are obtained to compute the collection efficiency associated with different precipitation types for varying wind speed. The results show that the precipitation reaching the center of the DFIR can exceed 100% of the actual precipitation, and it depends on the snowflake type, wind speed, and direction. Overall, this study contributes to a better understanding of the sources of uncertainty associated with the use of the DFIR as a reference gauge to measure snowfall.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».