A Numerical Study of the 1996 Saguenay Flood Cyclone: Effect of Assimilation of Precipitation Data on Quantitative Precipitation Forecasts
Notice bibliographique
Résumé
Abstract A one-dimensional variational (1DVAR) technique is applied to assimilate rain gauge precipitation data to extend the predictability of the Saguenay flood cyclone associated with a trough-merger event on 19–21 July 1996 in the Saguenay-Lac-Saint-Jean region of Quebec, Canada. Two 60-h simulations initialized at 0000 UTC 19 July were performed with the Canadian Mesoscale Compressible Community (MC2) model. The control (CTL) and NCEP simulations were initialized with the enhanced temperature and moisture profiles obtained from the 1DVAR scheme and the NCEP reanalysis data, respectively. Compared to observations, the CTL simulation reasonably reproduced the observed mass and wind fields and showed a marked improvement in the threat scores for heavy precipitation. The CTL run captured the observed spatial and temporal distribution of precipitation but overpredicted the area of precipitation. Sensitivity experiments showed that the threat (bias) scores are less (somewhat) sensitive to the specification of the observation error of the precipitation data. Of the four precipitation systems present at model initial time, the systems in the vicinity of the southern trough had the biggest impact on the threat score. Potential vorticity diagnostics of the CTL simulation suggested that the initial temperature and moisture field near the southern trough decreased the condensational heating relative to NCEP. This resulted in a stronger zonal wind component in the upper levels associated with the southern trough in CTL that retarded the eastward propagation of the northern trough, resulting in a correct placement of the surface precipitation and an improvement in the threat scores relative to NCEP.
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 ».