A Preliminary Analysis of Spatial Variability of Raindrop Size Distributions during Stratiform Rain Events
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 The spatial variability of raindrop size distributions (DSDs) and precipitation fields is investigated utilizing disdrometric measurements from the four Precipitation Occurrence Sensor Systems (POSS) and radar reflectivity fields from S-band dual-polarization radar and vertically pointing X-band radar. The spatial cross correlation of the moments of DSDs, their ratio, error in rainfall estimate, and normalization parameters are quantified using a “noncentered” correlation function. The time-averaged spatial autocorrelation function of observed radar reflectivity factor (Ze) is smaller than that of estimated rainfall rate from Ze because of power-law R–Z transformation with its exponent larger than unity. The important spatial variability of DSDs and rain integral fields is revealed by the significant differences among average DSDs and leads to an average fractional error of 25% in estimating rainfall accumulation during an event. The spatial correlation of the reflectivity from POSS is larger than that of Ze because of larger measurement noise in Ze. The higher moments of DSDs are less correlated in space than lower moments. The correlation of rainfall estimate error is higher than that of estimated rainfall rate and of rainfall rate calculated from DSDs. The correlation of the characteristic number density is low (0.87 at 1.3-km distance), suggesting that the assumed homogeneity of the characteristic number density in space could result in larger errors in the retrieval of DSDs and rain-related parameters. However, the characteristic diameter is highly correlated in space.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 découle