MétaCan
Menu
Retour à la cohorte
Enregistrement W2601151695 · doi:10.1175/bams-d-16-0182.1

The Olympic Mountains Experiment (OLYMPEX)

2017· article· en· W2601151695 sur OpenAlexaff
Robert A. Houze, Lynn A. McMurdie, Walter A. Petersen, M. Schwaller, William Baccus, Jessica D. Lundquist, Clifford F. Mass, Bart Nijssen, Steven A. Rutledge, David Hudak, Simone Tanelli, Gerald G. Mace, Michael R. Poellot, Dennis P. Lettenmaier, Joseph P. Zagrodnik, Angela K. Rowe, Jennifer C. DeHart, Luke Madaus, Hannah C. Barnes, V. Chandrasekar

Notice bibliographique

RevueBulletin of the American Meteorological Society · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiquePrecipitation Measurement and Analysis
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésSnowPrecipitationEnvironmental scienceGlobal Precipitation MeasurementSatelliteMeteorologyClimatologyDropsondePeninsulaGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The Olympic Mountains Experiment (OLYMPEX) took place during the 2015/16 fall–winter season in the vicinity of the mountainous Olympic Peninsula of Washington State. The goals of OLYMPEX were to provide physical and hydrologic ground validation for the U.S.–Japan Global Precipitation Measurement (GPM) satellite mission and, more specifically, to study how precipitation in Pacific frontal systems is modified by passage over coastal mountains. Four transportable scanning dual-polarization Doppler radars of various wavelengths were installed. Surface stations were placed at various altitudes to measure precipitation rates, particle size distributions, and fall velocities. Autonomous recording cameras monitored and recorded snow accumulation. Four research aircraft supplied by NASA investigated precipitation processes and snow cover, and supplemental rawinsondes and dropsondes were deployed during precipitation events. Numerous Pacific frontal systems were sampled, including several reaching “atmospheric river” status, warm- and cold-frontal systems, and postfrontal convection.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,024
Tête enseignante GPT0,251
Écart entre enseignants0,227 · 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

Citations205
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the American Meteorological SocietyMême sujetPrecipitation Measurement and AnalysisTravaux en français237 207