Investigation of observational error sources in multi-Doppler-radar three-dimensional variational vertical air motion retrievals
Notice bibliographique
Résumé
Multi-Doppler-radar network observations have been used in different configurations over the last several decades to conduct three-dimensional wind retrievals in mesoscale convective systems. Here, the impacts of the selected radar volume coverage pattern (VCP), the sampling time for the VCP, the number of radars used, and the added value of advection correction on the retrieval of the vertical air motion in the upper part of convective clouds are examined using the Weather Research and Forecasting (WRF) model simulation, the Cloud Resolving Model Radar SIMulator (CR-SIM), and a three-dimensional variational multi-Doppler-radar retrieval technique. Comparisons between the model truth (i.e., WRF kinematic fields) and updraft properties (updraft fraction, updraft magnitude, and mass flux) retrieved from the CR-SIM-generated multi-Doppler-radar field are used to investigate these impacts. The findings are that (1) the VCP elevation strategy and sampling time have a significant effect on the retrieved updraft properties above 6 km in altitude; (2) 2 min or shorter VCPs have small impacts on the retrievals, and the errors are comparable to retrievals using a snapshot cloud field; (3) increasing the density of elevation angles in the VCP appears to be more effective to reduce the uncertainty than an addition of data from one more radar, if the VCP is performed in 2 min; and (4) the use of dense elevation angles combined with an advection correction applied to the 2 min VCPs can effectively improve the updraft retrievals, but for longer VCP sampling periods (5 min) the value of advection correction is challenging. This study highlights several limiting factors in the retrieval of upper-level vertical velocity from multi-Doppler-radar networks and suggests that the use of rapid-scan radars can substantially improve the quality of wind retrievals if conducted in a limited spatial domain.
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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».