Validation of temperature data from the RAman Lidar for Meteorological Observations (RALMO) at Payerne. An application to liquid cloud supersaturation
Notice bibliographique
Résumé
Abstract. The RAman Lidar for Meteorological Observations (RALMO) is operated at the MeteoSwiss station of Payerne (Switzerland) and provides, amongst other products, continuous measurements of temperature since 2010. The temperature profiles are retrieved from the pure rotational Raman (PRR) signals detected around the 355-nm Cabannes line. The transmitter-receiver system of RALMO is described in detail and the reception and acquisition units of the PRR channels are thoroughly characterized. The FastCom P7888 card used to acquire the PRR signal, the calculation of the dead-time and the desaturation procedure are also presented. The temperature profiles retrieved from RALMO data during the period going from July 2017 to the end of December 2018 have been validated against two reference operational radiosounding systems (ORS) co-located with RALMO, i.e. the Meteolabor SRS-C50 and the Vaisala RS41. These radiosondes have also been used to perform seven calibrations during the validation period. The maximum bias (ΔTmax), mean bias (μ) and mean standard deviation (σ) of RALMO temperature Tral with respect to the reference ORS Tors are used to characterize the accuracy and precision of Tral in the troposphere. The ΔTmax, μ and σ of the daytime differences ΔT=Tral−Tors in the lower troposphere are 0.28 K, 0.02±0.1 K and 0.62±0.03 K, respectively. The nighttime differences suffer a mean bias of μ = 0.05±0.34 K, a mean standard deviation σ=0.66±0.06 , and a maximum bias ΔTmax=0.29 K over the whole troposphere. The small ΔTmax, μ and σ values obtained for both daytime and nighttime comparisons indicate the high stability of RALMO that has been calibrated only seven times over 18 months. The retrieval method can correct for the largest sources of correlated and uncorrelated errors, e.g. signal noise, dead-time of the acquisition system and solar background. Especially the solar radiation (scattered into the field of view from the Zenith angle Phi affects the quality of PRR signals and represents a source of systematic error for the retrieved temperature. An imperfect subtraction of the background from the daytime PRR profiles induces a bias of up to 2 K at all heights. An empirical correction f(Φ) ranging from 0.99 to 1, has therefore been applied to the mean background of the PRR signals to remove the bias. The correction function f(Φ) has been validated against the numerical weather prediction model COSMO suggesting that f(Φ) does not introduce any additional source of systematic or random error to Tral. A seasonality study has been performed to help understanding if the overall daytime and nighttime zero-bias hides seasonal non-zero biases that cancel out when combined in the full dataset. Finally, the validated RALMO temperature has been used in combination with the humidity profiles retrieved from RALMO to calculate the relative humidity and to perform a qualitative study of supersaturation occurring in liquid stratus clouds.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».