Adjusted Daily Rainfall and Snowfall Data for Canada
Notice bibliographique
Résumé
This article documents how Environment and Climate Change Canada’s Adjusted Daily Rainfall and Snowfall (AdjDlyRS) dataset was developed. The adjustments include (i) conversion of ruler measurements of snowfall to its water equivalent using a previously developed snow water equivalent (SWE) ratio map for Canada; (ii) corrections for gauge-related issues including undercatch and evaporation caused by wind effects and gauge-specific wetting loss, as well as for trace precipitation amounts, using previously developed procedures for Canada. Various data flags (e.g., accumulation flags) were also treated. This dataset contains all Canadian stations reporting daily rainfall and snowfall for which we have metadata to implement the adjustments. The length of the data record varies from one station to another, starting as early as 1840. The results show that the original unadjusted total precipitation data in Environment and Climate Change Canada’s digital archive underestimate the total precipitation in northeastern Canada by more than 25% and by about 10–15% in most of southern Canada. Such large underestimates make the original data unsuitable for water availability and/or balance studies or for numerical model validation, among many other applications. The use of the assumed 10:1 SWE ratio for the archived total precipitation data is the primary cause of the underestimate, which is most severe in northeastern Canada. The trace correction adds 5–20% to precipitation values in northern Canada but less than 5% in southern Canada. The gauge-related corrections do not show an organized spatial pattern but add 5–10% to the precipitation at 312 stations. Long runs (≥3 months) of miscoded missing values were also identified and corrected.The latest version of the AdjDlyRS dataset is available from the Canadian Open Data Portal; currently it is version 2016, which contains 3346 stations and covers the period from station inception to February 2016. This dataset is suitable for producing gridded precipitation datasets, as well as other applications.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».