MétaCan
Menu
Retour à la cohorte
Enregistrement W2892100124 · doi:10.1175/jtech-d-18-0088.1

A Real-Time Online Data Product that Automatically Detects Easterly Gap-Flow Events and Precipitation Type in the Columbia River Gorge

2018· article· en· W2892100124 sur OpenAlexaboutno aff
Paul J. Neiman, Daniel Gottas, Allen B. White, W. R. Schneider, David R. Bright

Notice bibliographique

RevueJournal of Atmospheric and Oceanic Technology · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Energy Efficiency and Renewable EnergyNational Oceanic and Atmospheric Administration
Mots-clésPrecipitationEnvironmental scienceSnowPrecipitation typesMeteorologyRain and snow mixedStreamflowClimatologyRain gaugeDrainage basinGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract A real-time, hourly updated, online graphical data product that displays the depth and strength of easterly gap flow in the Columbia River Gorge using a 915-MHz Doppler wind profiler is presented. During precipitation events, this data product also displays observed precipitation accumulation and diagnosed precipitation type using measurements provided by a collocated heated tipping-bucket rain gauge, an optical disdrometer, and temperature and relative humidity sensors. Automated algorithms that determine the existence and depth of the gap flow, as well as precipitation type, are described. The Columbia River Gorge is the only major gap in the Cascade Mountains of Oregon and Washington. Consequently, both easterly and westerly directed gap-flow events are common in this region. Especially during late autumn and winter, easterly gap flow can cause hazardous and damaging weather (e.g., snow, freezing rain, and strong winds) in the Portland, Oregon–Vancouver, Washington metropolitan area. The product described here was developed to help forecasters at the Portland National Weather Service Forecast Office monitor cool-season easterly gap-flow events in order to provide situational awareness and guide warnings to the public about potential weather-related hazards.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,258
Score d'incertitude au seuil0,310

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,247
Écart entre enseignants0,221 · 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 tête enseignante, 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Atmospheric and Oceanic TechnologyMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207