Variability of Drop Size Distributions: Time-Scale Dependence of the Variability and Its Effects on Rain Estimation
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 systematic and intensive analysis is performed on 5 yr of reliable disdrometric data (over 20 000 one-minute drop size distributions, DSDs) to investigate the variability of DSDs in the Montreal, Quebec, Canada, area. The scale dependence (climatological scale, day to day, within a day, between physical processes, and within a physical process) of the DSD variability and its effect on rainfall intensity R estimation from radar reflectivity Z are explored in terms of bias and random errors. Detail error distributions are also provided. The use of a climatological R–Z relationship for rainfall—affected by all of the DSDs’ variability—leads on average to a random error of 41% in instantaneous rain-rate estimation. This error decreases with integration time, but the decrease becomes less pronounced for integration times longer than 2 h. Daily accumulations computed with the climatological R–Z relationship have a bias of 28% because of the day-to-day DSD variability. However, when daily R–Z relationships are used, a random error of 32% in instantaneous rain rate is still present because of the DSD variability within a day. This illustrates that most of the variability of DSDs has its origin within a storm or between storms within a day. Physical processes leading to the formation of DSDs are then classified according to the vertical structure of radar data as measured by a UHF profiler collocated with the disdrometer. The DSD variability among different physical processes is larger than the day-to-day variability. A bias of 41% in rain accumulations is due to the DSD variability between physical processes. Accurate rain-rate estimation (∼7%) can be achieved only after the proper underlying physical process is identified and the associated R–Z relationship is used.
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 | 0,003 | 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