Scale Dependence of the Predictability of Precipitation from Continental Radar Images. Part II: Probability Forecasts
Notice bibliographique
Résumé
Eulerian and Lagrangian persistence of precipitation patterns derived from continental-scale radar composite images are used as a measure of predictability and for nowcasting [the McGill algorithm for precipitation nowcasting by Lagrangian extrapolation (MAPLE)]. A previous paper introduced the method and focused on the lifetime of patterns of rainfall rates and the scale dependence of predictability. This paper shows how the method of persistence of radar precipitation patterns can be extended to produce probabilistic forecasts. For many applications, probabilistic information is at least as important as the expected point value. Four techniques are presented and compared. One is entirely new and makes use of the intrinsic relationship between scale and predictability. The results with this technique suggest potential use for downscaling of numerical model output. For the 143 h of precipitation analyzed so far, roughly a factor of 2 was obtained between lead times of Eulerian and Lagrangian techniques. Three of the four techniques involve a scale parameter. The slope of the relationship between optimum scale and lead time is about 1 and 2 km min−1 for Lagrangian and Eulerian techniques, respectively. The skill scores obtained for the four techniques can be used as a measure of predictability in terms of probabilistic rainfall rates. The progress of other probabilistic forecasting methods, such as expert systems or numerical models, can be evaluated against the standard set by simple persistence.
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 | 0,001 | 0,007 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».