Undercatch Adjustments for Tipping-Bucket Gauge Measurements of Solid Precipitation
Notice bibliographique
Résumé
Abstract Heated tipping-bucket (TB) gauges are used broadly in national weather monitoring networks, but their performance for the measurement of solid precipitation has not been well characterized. Manufacturer-provided TB gauges were evaluated at five test sites during the World Meteorological Organization Solid Precipitation Intercomparison Experiment (WMO-SPICE), with most gauge types tested at more than one site. The test results were used to develop and evaluate adjustments for the undercatch of solid precipitation by heated TB gauges. New methods were also developed to address challenges specific to measurements from heated TB gauges. Tipping-bucket transfer functions were created specifically to minimize the sum of errors over the course of the adjusted multiseasonal accumulation. This was based on the hypothesis that the best transfer function produces the most accurate long-term precipitation records, rather than accurate catch efficiency measurements or accurate daily or hourly precipitation measurements. Using this new approach, an adjustment function derived from multiple gauges was developed that performed better than traditional gauge-specific and multigauge catch efficiency derived adjustments. Because this new multigauge adjustment was developed using six different types of gauges tested at five different sites, it may be applicable to solid precipitation measurements from unshielded heated TB gauges that were not evaluated in WMO-SPICE. In addition, this new method of optimizing transfer functions may be useful for other types of precipitation gauges, as it has many practical advantages over the traditional catch efficiency methods used to derive undercatch adjustments.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».