Quantitative Evaluations and Error Source Analysis of Fengyun-2-Based and GPM-Based Precipitation Products over Mainland China in Summer, 2018
Notice bibliographique
Résumé
Satellite-based quantitative precipitation estimates (QPE) with a fine quality are of great importance to global water cycle and matter and energy exchange research. In this study, we firstly apply various statistical indicators to evaluate and compare the main current satellite-based precipitation products from Chinese Fengyun (FY)-2 and the Global Precipitation Measurement (GPM), respectively, over mainland China in summer, 2018. We find that (1) FY-2G QPE and Integrated Multi-satellitE Retrievals for GPM (IMERG) perform significantly better than FY-2E QPE, using rain gauge data, with correlation coefficients (CC) varying from 0.65 to 0.90, 0.80 to 0.90, and 0.40 to 0.53, respectively; (2) IMERG agrees well with rain gauge data at monthly scale, while it performs worse than FY-2G QPE at hourly and daily scales, which may be caused by its algorithms; (3) FY-2G QPE underestimates the precipitation in summer, while FY-2E QPE and IMERG generally overestimate the precipitation; (4) there is an interesting error phenomenon in that both FY-based and GPM-based precipitation products perform more poorly during the period from 06:00 to 10:00 UTC than other periods at diurnal scale; and (5) FY-2G QPE agrees well with IMERG in terms of spatial patterns and consistency (CC of ~0.81). These findings can provide valuable preliminary references for improving next generation satellite-based QPE retrieval algorithms and instructions for applying these data in various practical fields.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».