MétaCan
Menu
Retour à la cohorte
Enregistrement W2209850620 · doi:10.1175/waf-d-15-0111.1

Rapid-Scan, Polarimetric Observations of Central Oklahoma Severe Storms on 31 May 2013

2015· article· en· W2209850620 sur OpenAlexfundno aff
Robin L. Tanamachi, Pamela L. Heinselman

Notice bibliographique

RevueWeather and Forecasting · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensnon disponible
Organismes subventionnairesNunavut Wildlife Research Trust
Mots-clésTornadoSevere weatherSupercellStormMeteorologyAzimuthRadarThunderstormEnvironmental sciencePolarimetryDepth soundingGeologyComputer scienceGeographyPhysicsScattering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT On 31 May 2013, a polarimetric WSR-88D located in Norman, Oklahoma (KOUN), was used to collect sectorized volumetric observations in a tornadic supercell. Because only a fraction of the full azimuthal volume was observed, rapid volume update times of ~1–2 min were achieved. In addition, the number of pulses used in each radial was larger than is conventional, increasing the statistical robustness of the calculated polarimetric variables. These rapid observations serve as a proxy for those of a future dual-polarized phased-array radar. Through comparison with contemporaneous observations from two nearby dual-polarized WSR-88Ds [Twin Lakes, Oklahoma (KTLX), and near University of Oklahoma Westheimer Airport in Norman (KCRI)], a number of instances in which the rapidly scanned KOUN radar detected or better resolved (in a temporal sense) features of severe convective storms are highlighted. In particular, the polarimetric signatures of merging updrafts, a rapidly descending giant hail core, an anticyclonic tornado, and a dissipating storm cell are examined. These observations provided insights into the rapid evolution of severe convective storms that could not be made (or would have been made with much lower confidence) with current, operational WSR-88D scanning strategies. Possible implications of these rapid updates for the warning decision process are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,162
Score d'incertitude au seuil0,321

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,121
Tête enseignante GPT0,238
Écart entre enseignants0,116 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWeather and ForecastingMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207