MétaCan
Menu
Retour à la cohorte
Enregistrement W2028554047 · doi:10.1029/2002jd002499

Adjustment of global gridded precipitation for systematic bias

2003· article· en· W2028554047 sur OpenAlexaboutno aff
J. C. Adam, Dennis P. Lettenmaier

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesCentrum fÖr Personcentrerad Vård
Mots-clésPrecipitationEnvironmental scienceClimatologyWind speedAtmospheric sciencesMeteorologyGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Systematic biases in gauge‐based measurement of precipitation can be substantial. Of the sources of bias, wind‐induced undercatch of solid precipitation is by far the largest. A methodology for producing gridded mean monthly catch ratios (CRs) for the adjustment of wind‐induced undercatch and wetting losses is developed, which is suitable for application to continental or global gridded precipitation products. The adjustments for wind‐induced solid precipitation were estimated using gauge type‐specific regression equations from the recent World Meteorological Organization Solid Precipitation Measurement Intercomparison. Wind‐induced undercatch of liquid precipitation and wetting losses were estimated using methods employed in previous global bias adjustment efforts. Due to the unique nature of Canada's precipitation measurement network, the Canadian adjustments were determined using more detailed information than for the rest of the domain, and are therefore expected to be more reliable. The gridded gauge adjustment products are designed to be applicable both to climatological estimates and to individual years during the 1979 through 1998 reference period. Application of the CRs to an existing precipitation product yielded an increase in mean annual global terrestrial precipitation of 11.7%. As compared with recent (but more localized) studies that used a similar method to account for wind‐induced catch deficiencies, our estimates of wind‐induced undercatch are 1.6–7.9% higher on a mean annual basis. Compared to a previous global precipitation bias adjustment effort, our adjusted data set results on average in slightly greater warm season and lower cold season precipitation increases, greater precipitation increases over North America, and lower precipitation increases over Eurasia.

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)0,006
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 enseignants0,052
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,070
Tête enseignante GPT0,353
Écart entre enseignants0,283 · 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

Citations485
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetClimate variability and modelsTravaux en français237 207