MétaCan
Menu
Retour à la cohorte
Enregistrement W2106210883 · doi:10.1175/jam2253.1

Error Statistics of VPR Corrections in Stratiform Precipitation

2005· article· en· W2106210883 sur OpenAlexafffund
A. Bellon, GyuWon Lee, Isztar Zawadzki

Notice bibliographique

RevueJournal of Applied Meteorology · 2005
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiquePrecipitation Measurement and Analysis
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Foundation for Climate and Atmospheric Sciences
Mots-clésHomogeneity (statistics)Range (aeronautics)Stratification (seeds)PrecipitationRadarRoot mean squareRangingGeologyEnvironmental sciencePhysicsComputational physicsRemote sensingGeodesyMeteorologyMathematicsStatisticsMaterials scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Errors in surface rainfall estimates that are caused by ignoring the vertical profile of reflectivity (VPR) and range effects have been assessed by simulating how fine-resolution 3D reflectivity measurements at close ranges are sampled by the radar at various ranges and heights. Uncorrected and corrected accumulations from 33 events of mainly stratiform precipitation, with a recognizable melting layer for over 250 h, have been generated using two basic procedures: (a) the “near range” or “inner” VPR and (b) the intensity-dependent “climatological” VPR. The root-mean-square (rms) error structure has been derived as a function of height and range, for accumulations ranging from 5 min to 2 h, for various brightband heights and verification areas. However, it is the errors along the lowest default height that are most relevant. The stratification of the results by the height of the bright band is essential to understand the influence of the bright band with range. The largest errors (>100% at near ranges without correction) are encountered with lower and stronger bright bands. After correction, errors of less than 20% can be achieved with method “a” but only over large verification areas (>100 km2), with long accumulation intervals (>45 min), with bright bands that are relatively high (>2.5 km), and for ranges within ∼130 km. The climatological correction yields errors that are roughly 2 times as large. The results with the inner VPR method can only be obtained by assuming conditions of spatial homogeneity in the VPR structure of the rainfall fields. Simulations of the VPR variability have indicated that larger errors are to be expected in real-time operations, particularly when measurements are made inside the bright band. The magnitude of these errors may approach those of a “realistic climatological” correction that incorporates some uncertainty in the brightband height.

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)0,004
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,021
Tête enseignante GPT0,249
Écart entre enseignants0,228 · 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'étudeObservationnel
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

Citations107
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied MeteorologyMême sujetPrecipitation Measurement and AnalysisTravaux en français237 207