Comparison of real‐time refractivity measurements by radar with automatic weather stations, AROME‐WMED and WRF forecast simulations during SOP1 of the HyMeX campaign
Notice bibliographique
Résumé
Weather radars, originally designed to detect and quantify precipitation, can be used to estimate and map the refractivity at low levels, a proxy for humidity. As highlighted by previous studies, this presents a definite meteorological interest, both for numerical weather prediction and for atmospheric process studies. Recent works have given keys to performing high‐accuracy measurements with operational radar without decreasing the quality of reflectivity and Doppler wind classical measurements, and the retrieval of radar refractivity is now performed in real time with the Météo‐France Application Radar à la Météorologie Infra‐Synoptique (ARAMIS) operational network. Taking advantage of the Hydrological cycle in Mediterranean eXperiment (HyMeX) field campaign (September–November 2012), refractivity measured by a few radars located in southeast France has been compared with in situ measurement by Automatic Weather Stations (AWSs), and correlation between these two independent observations is quite good, in particular giving high quality for the diurnal cycle and during the pre‐convection period measurement by the radar. To go further in the evaluation of the usefulness of such a product, we compared refractivity derived from radar measurements and from two different kinds of model: the numerical prediction model Applications de la Recherche à l'Opérationnel à Méso‐Echelle – Western MEDiterranean (AROME‐WMED) using a 2.5 km resolution grid mesh over southern France and a coarser resolution simulation (54 × 54 km) performed with the Weather Research and Forecasting (WRF) model, which both ran in a forecasting mode during the HyMeX Special Observing Period 1. These two models give access to the variability of the modelling and thus enable us to quantify the uncertainty of the refractivity modelling. The result of this comparison is generally fairly good, with a pattern of refractivity field similar to observations (AWS and radar), although obviously with locally strong differences. We finally illustrate the usefulness of refractivity mapping by radar by investigating a typical meteorological situation of a convective system observed during the HyMeX campaign.
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 ».