Application of the GPM-IMERG Products in Flash Flood Warning: A Case Study in Yunnan, China
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
NASA’s Integrated Multi-Satellite Retrievals for Global Precipitation Measurement (IMERG) is a major source of precipitation data, having a larger coverage, higher precision, and a higher spatiotemporal resolution than previous products, such as the Tropical Rainfall Measuring Mission (TRMM). However, there rarely has been an application of IMERG products in flash flood warnings. Taking Yunnan Province as the typical study area, this study first evaluated the accuracy of the near-real-time IMERG Early run product (IMERG-E) and the post-real-time IMERG Final run product (IMERG-F) with a 6-hourly temporal resolution. Then the performance of the two products was analyzed with the improved Rainfall Triggering Index (RTI) in the flash flood warning. Results show that (1) IMERG-F presents acceptable accuracy over the study area, with a relatively high hourly correlation coefficient of 0.46 and relative bias of 23.33% on the grid, which performs better than IMERG-E; and (2) when the RTI model is calibrated with the gauge data, the IMERG-F results matched well with the gauge data, indicating that it is viable to use MERG-F in flash flood warnings. However, as the flash flood occurrence increases, both gauge and IMERG-F data capture fewer flash flood events, and IMERG-F overestimates actual precipitation. Nevertheless, IMERG-F can capture more flood events than IMERG-E and can contribute to improving the accuracy of the flash flood warnings in Yunnan Province and other flood-prone areas.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 découle