Comparison of Winter Precipitation Measurements by Six Tretyakov Gauges at the Valdai Experimental Site
Notice bibliographique
Résumé
Analyses of long-term (1991–2010) intercomparison data quantify the consistency of winter precipitation observations by six identical Tretyakov gauges at the Valdai research station in Russia. Relative to the standard Tretyakov gauge, the mean catch ratios are 97 to 106% for dry snow, 94 to 104% for wet snow, 87 to 109% for blowing snow, 96 to 103% for mixed precipitation, and 98 to 101% for winter rain. The differences between the highest and lowest mean catches are about 10 to 11% for snow, 7% for mixed precipitation, and 3% for rain. On average, this difference is about 0.2 mm over the 12-hour observation period. The catch difference for blowing snow is much higher, up to 22%, or an average of 0.6 mm per observation. Comparisons of 12-hour observations show better consistency in gauge performance for low snowfall events and a large variation in gauge catch for high snowfall events. The differences in 12-hour snow catches are mostly less than 2 mm among the six gauges. The differences in the 12-hour observations are less than 1% for rain and 4% for mixed precipitation. Close linear relationships exist between the 12-hour gauge observations for all precipitation types. The maximum differences in gauge snow catches increase very weakly with wind speed, and higher differences are associated with warmer temperatures, from −5°C to 0°C. There is, however, no significant relationship between the maximum catch difference and the mean wind speed or temperature over the 12-hour period.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».