Characterization of video disdrometer uncertainties and impacts on estimates of snowfall rate and radar reflectivity
Notice bibliographique
Résumé
Abstract. Estimates of snow microphysical properties obtained by analyzing collections of individual particles are often limited to short timescales and coarse time resolution. Retrievals using disdrometer observations coincident with bulk measurements such as radar reflectivity and snowfall amounts may overcome these limitations; however, retrieval techniques using such observations require uncertainty estimates not only for the bulk measurements themselves, but also for the simulated measurements modeled from the disdrometer observations. Disdrometer uncertainties arise due to sampling and analytic errors and to the discrete, potentially truncated form of the reported size distributions. Imaging disdrometers such as the Snowflake Video Imager and 2-D Video Disdrometer provide remarkably detailed representations of snow particles, but view limited projections of their three-dimensional shapes. Particle sizes determined by such instruments underestimate the true dimensions of the particles in a way that depends, in the mean, on particle shape, also contributing to uncertainties. An uncertainty model that accounts for these uncertainties is developed and used to establish their contributions to simulated radar reflectivity and snowfall rate. Viewing geometry effects are characterized by a parameter, ϕ, that relates disdrometer-observed particle size to the true maximum dimension of the particle. Values and uncertainties for ϕ are estimated using idealized ellipsoidal snow particles. The model is applied to observations from seven snow events from the Canadian CloudSat/CALIPSO Validation Project (C3VP), a mid-latitude cold-season cloud and precipitation field experiment. Typical total uncertainties are 4 dB for reflectivity and 40–60% for snowfall rate, are highly correlated, and are substantial compared to expected uncertainties for radar and precipitation gauge observations. The dominant sources of errors are viewing geometry effects and the discrete, truncated form of the size distributions. While modeled Ze–S relationships are strongly affected by assumptions about snow particle mass properties, such relationships are only modestly sensitive to ϕ owing to partially compensating effects on both the reflectivity and snowfall rate.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».