MétaCan
Menu
Retour à la cohorte
Enregistrement W2038010438 · doi:10.1175/mwr-d-12-00353.1

Examination of Situation-Dependent Background Error Covariances at the Convective Scale in the Context of the Ensemble Kalman Filter

2013· article· en· W2038010438 sur OpenAlexaffabout
Kao‐Shen Chung, Weiguang Chang, Luc Fillion, Monique Tanguay

Notice bibliographique

RevueMonthly Weather Review · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésEnsemble Kalman filterContext (archaeology)Kalman filterData assimilationConvectionComputer scienceScale (ratio)MeteorologyForcing (mathematics)RadarPrecipitationFilter (signal processing)Environmental scienceStatistical physicsClimatologyExtended Kalman filterGeologyPhysicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract A high-resolution ensemble Kalman filter (HREnKF) system at the convective scale has been developed based on the Canadian Meteorological Center's operational global ensemble Kalman filter (EnKF) system. This study focuses on the very early stage of transition from purely homogeneous isotropic background error correlations to situation-dependent correlations. It has been found that forecast error structures can develop situation-dependent features in as little as 15 min. Furthermore, the dynamic and thermodynamic variables require different periods of time to build up their own forecast error structures. Differences in these structures between regions with and without precipitation are also investigated. An examination of temperature tendencies revealed that physical processes are as important as dynamical forcing in determining the structure of convective-scale errors structures, and that once physical processes become active, these structures change rapidly before the onset of precipitation. This study is intended to be the basis for a systematic exploration in the near future of the usefulness of the HREnKF system in assimilating high-density observations such as radar data.

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)0,007
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 enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,044
Tête enseignante GPT0,254
Écart entre enseignants0,209 · 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

Citations20
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMonthly Weather ReviewMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207