MétaCan
Menu
Retour à la cohorte
Enregistrement W1997040672 · doi:10.1175/mwr-d-11-00181.1

The Diurnal Cycle of Precipitation from Continental Radar Mosaics and Numerical Weather Prediction Models. Part II: Intercomparison among Numerical Models and with Nowcasting

2012· article· en· W1997040672 sur OpenAlexaffabout
Marc Berenguer, Madalina Surcel, Isztar Zawadzki, Ming Xue, Fanyou Kong

Notice bibliographique

RevueMonthly Weather Review · 2012
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésNowcastingQuantitative precipitation forecastRadarClimatologyMeteorologyPrecipitationEnvironmental scienceDiurnal cycleNumerical weather predictionQuantitative precipitation estimationData assimilationGeologyComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

Abstract This second part of a two-paper series compares deterministic precipitation forecasts from the Storm-Scale Ensemble Forecast System (4-km grid) run during the 2008 NOAA Hazardous Weather Testbed (HWT) Spring Experiment, and from the Canadian Global Environmental Multiscale (GEM) model (15 km), in terms of their ability to reproduce the average diurnal cycle of precipitation during spring 2008. Moreover, radar-based nowcasts generated with the McGill Algorithm for Precipitation Nowcasting Using Semi-Lagrangian Extrapolation (MAPLE) are analyzed to quantify the portion of the diurnal cycle explained by the motion of precipitation systems, and to evaluate the potential of the NWP models for very short-term forecasting. The observed diurnal cycle of precipitation during spring 2008 is characterized by the dominance of the 24-h harmonic, which shifts with longitude, consistent with precipitation traveling across the continent. Time–longitude diagrams show that the analyzed NWP models partially reproduce this signal, but show more variability in the timing of initiation in the zonal motion of the precipitation systems than observed from radar. Traditional skill scores show that the radar data assimilation is the main reason for differences in model performance, while the analyzed models that do not assimilate radar observations have very similar skill. The analysis of MAPLE forecasts confirms that the motion of precipitation systems is responsible for the dominance of the 24-h harmonic in the longitudinal range 103°–85°W, where 8-h MAPLE forecasts initialized at 0100, 0900, and 1700 UTC successfully reproduce the eastward motion of rainfall systems. Also, on average, MAPLE outperforms radar data assimilating models for the 3–4 h after initialization, and nonradar data assimilating models for up to 5 h after initialization.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
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 Opus0,032
Tête enseignante GPT0,232
Écart entre enseignants0,199 · 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

Citations56
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMonthly Weather ReviewMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207