A Study on the Scale Dependence of the Predictability of Precipitation Patterns
Notice bibliographique
Résumé
Abstract A methodology is proposed to investigate the scale dependence of the predictability of precipitation patterns at the mesoscale. By applying it to two or more precipitation fields, either modeled or observed, a decorrelation scale can be defined such that all scales smaller than are fully decorrelated. For precipitation forecasts from a radar data–assimilating storm-scale ensemble forecasting (SSEF) system, is found to increase with lead time, reaching 300 km after 30 h. That is, for , the ensemble members are fully decorrelated. Hence, there is no predictability of the model state for these scales. For , the ensemble members are correlated, indicating some predictability by the ensemble. When applied to characterize the ability to predict precipitation as compared to radar observations by numerical weather prediction (NWP) as well as by Lagrangian persistence and Eulerian persistence, increases with lead time for most forecasting methods, while it is constant (300 km) for non–radar data–assimilating NWP. Comparing the different forecasting models, it is found that they are similar in the 0–6-h range and that none of them exhibit any predictive ability at meso-γ and meso-β scales after the first 2 h. On the other hand, the radar data–assimilating ensemble exhibits predictability of the model state at these scales, thus causing a systematic difference between corresponding to the ensemble and corresponding to model and radar. This suggests that either the ensemble does not have sufficient spread at these scales or that the forecasts suffer from biases.
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 | 0,004 |
| 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 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 ».