Inconsistency in precipitation measurements across the Alaska–Yukon border
Notice bibliographique
Résumé
Abstract. This study quantifies the inconsistency in gauge precipitation observations across the border of Alaska and Yukon. It analyses the precipitation measurements by the national standard gauges (National Weather Service (NWS) 8 in. gauge and Nipher gauge) and the bias-corrected data to account for wind effect on the gauge catch, wetting loss and trace events. The bias corrections show a significant amount of errors in the gauge records due to the windy and cold environment in the northern areas of Alaska and Yukon. Monthly corrections increase solid precipitation by 136 % in January and 20 % for July at the Barter Island in Alaska, and about 31 % for January and 4 % for July at the Yukon stations. Regression analyses of the monthly precipitation data show a stronger correlation for the warm months (mainly rainfall) than for cold month (mainly snowfall) between the station pairs, and small changes in the precipitation relationship due to the bias corrections. Double mass curves also indicate changes in the cumulative precipitation over the study periods. This change leads to a smaller and inverted precipitation gradient across the border, representing a significant modification in the precipitation pattern over the northern region. Overall, this study discovers significant inconsistency in the precipitation measurements across the USA–Canada border. This discontinuity is greater for snowfall than for rainfall, as gauge snowfall observations have large errors in windy and cold conditions. This result will certainly impact regional, particularly cross-border, climate and hydrology investigations.
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 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) | 0,000 | 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) | 0,001 | 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 tête enseignante, 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 ».