Quantitative Precipitation Estimation from a C-Band Dual-Polarized Radar for the 8 July 2013 Flood in Toronto, Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract A heavy rainfall event over a 2-h period on 8 July 2013 caused significant flash flooding in the city of Toronto and produced 126 mm of rain accumulation at a gauge located near the Toronto Pearson International Airport. This paper evaluates the quantitative precipitation estimates from the nearby King City C-band dual-polarized radar (WKR). Horizontal reflectivity Z and differential reflectivity ZDR were corrected for attenuation using a modified ZPHI rain profiling algorithm, and rain rates R were calculated from R(Z) and R(Z, ZDR) algorithms. Specific differential phase KDP was used to compute rain rates from three R(KDP) algorithms, one modified to use positive and negative KDP, and an R(KDP, ZDR) algorithm. Additionally, specific attenuation at horizontal polarization A was used to calculate rates from the R(A) algorithm. High-temporal-resolution rain gauge data at 44 locations measured the surface rainfall every 5 min and produced total rainfall accumulations over the affected area. The nearby NEXRAD S-band dual-polarized radar at Buffalo, New York, provided rain-rate and storm accumulation estimates from R(Z) and S-band dual-polarimetric algorithm. These two datasets were used as references to evaluate the C-band estimates. Significant radome attenuation at WKR overshadowed the attenuation correction techniques and resulted in poor rainfall estimates from the R(Z) and R(Z, ZDR) algorithms. Rainfall estimation from the Brandes et al. R(KDP) and R(A) algorithms were superior to the other methods, and the derived storm total accumulation gave biases of 2.1 and −6.1 mm, respectively, with correlations of 0.94. The C-band estimates from the Brandes et al. R(KDP) and R(A) algorithms were comparable to the NEXRAD S-band estimates.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 découle