AIMERG: a new Asian precipitation dataset (0.1°/half-hourly, 2000–2015) by calibrating GPM IMERG at daily scale using APHRODITE
Notice bibliographique
Résumé
Abstract. Precipitation estimates with finer quality and spatio-temporal resolutions play significant roles in understanding the global and regional cycles of water, carbon and energy. Satellite-based precipitation products are capable of detecting spatial patterns and temporal variations of precipitation at finer resolutions, which is particularly useful over poorly gauged regions. However, satellite-based precipitation product are the indirect estimates of precipitation, inherently containing regional and seasonal systematic biases and random errors. In this study, focusing on the potential drawbacks in generating Integrated Multi-satellitE Retrievals for Global Precipitation Measurement (IMERG) and its recently updated retrospective IMERG in Tropical Rainfall Measuring Mission (TRMM) era (finished in July, 2019), which were only calibrated at monthly scale using ground observations, Global Precipitation Climatology Centre (GPCC, 1.0°/Monthly), we aimed to propose a new calibration algorithm for IMERG at daily scale, and to provide a new AIMERG precipitation dataset (0.1°/half-hourly, 2000–2015, Asia) with better quality, calibrated by Asian Precipitation Highly Resolved Observational Data Integration (APHRODITE, 0.25°/Daily) at daily scale for the Asian applications. And the main conclusions included but not limited to: (1) the proposed daily calibration algorithm (Daily Spatio-Temporal Disaggregation Calibration Algorithm, DSTDCA) was effective in considering the advantages from both satellite-based precipitation estimates and the ground observations; (2) AIMERG performed better than IMERG at different spatio-temporal scales, in terms of both systematic biases and random errors, over the China Main land; and (3) APHRODITE demonstrated significant advantages than GPCC in calibrating the IMERG, especially over the mountainous regions with complex terrain, e.g., the Tibetan Plateau. Additionally, Results of this study suggests that it is a promising and applicable daily calibration algorithm for GPM in generating the future IMERG in either operational scheme or retrospective manner. The AIMERG data record (0.1°/half-hourly, 2000–2015, Asia) is freely available at http://argi-basic.hihanlin.com:8000/d/d925fecf60/. Additionally, the AIMERG data is also freely accessible at https://doi.org/10.5281/zenodo.3609352 (for the period from 2000 to 2008) and https://doi.org/10.5281/zenodo.3609507 (for the period from 2009 to 2015) (Ma et al., 2020).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».