Warm Season Lightning Probability Prediction for Canada and the Northern United States
Notice bibliographique
Résumé
Abstract Statistical models valid May–September were developed to predict the probability of lightning in 3-h intervals using observations from the North American Lightning Detection Network and predictors derived from Global Environmental Multiscale (GEM) model output at the Canadian Meteorological Centre. Models were built with pooled data from the years 2000–01 using tree-structured regression. Error reduction by most models was about 0.4–0.7 of initial predictand variance. Many predictors were required to model lightning occurrence for this large area. Highest ranked overall were the Showalter index, mean sea level pressure, and troposphere precipitable water. Three-hour changes of 500-hPa geopotential height, 500–1000-hPa thickness, and MSL pressure were highly ranked in most areas. The 3-h average of most predictors was more important than the mean or maximum (minimum where appropriate). Several predictors outranked CAPE, indicating it must appear with other predictors for successful statistical lightning prediction models. Results presented herein demonstrate that tree-structured regression is a viable method for building statistical models to forecast lightning probability. Real-time forecasts in 3-h intervals to 45–48 h were made in 2003 and 2004. The 2003 verification suggests a hybrid forecast based on a mixture of maximum and mean forecast probabilities in a radius around a grid point and on monthly climatology will improve accuracy. The 2004 verification shows that the hybrid forecasts had positive skill with respect to a reference forecast and performed better than forecasts defined by either the mean or maximum probability at most times. This was achieved even though an increase of resolution and change of convective parameterization scheme were made to the GEM model in May 2004.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».