MétaCan
Menu
Retour à la cohorte
Enregistrement W3020036808 · doi:10.1175/jhm-d-19-0256.1

Undercatch Adjustments for Tipping-Bucket Gauge Measurements of Solid Precipitation

2020· article· en· W3020036808 sur OpenAlexafffund
John Kochendorfer, Michael E. Earle, Daniel Hodyss, Audrey Reverdin, Yves‐Alain Roulet, Rodica Nitu, Roy Rasmussen, Scott Landolt, Samuel Buisán, Timo Laine

Notice bibliographique

RevueJournal of Hydrometeorology · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesEnvironment and Climate Change CanadaNational Oceanic and Atmospheric AdministrationKansainvälisen Liikkuvuuden ja Yhteistyön Keskus
Mots-clésPrecipitationGauge (firearms)Environmental scienceRain gaugeMeteorologyTransfer functionQuantitative precipitation forecastComputer scienceMaterials scienceEngineeringPhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,102
Tête enseignante GPT0,294
Écart entre enseignants0,193 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of HydrometeorologyMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207