Verification of Solid Precipitation Forecasts from Numerical Weather Prediction Models in Norway
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
Abstract Assessing the quality of precipitation forecasts requires observations, but all precipitation observations have associated uncertainties making it difficult to quantify the true forecast quality. One of the largest uncertainties is due to the wind-induced undercatch of solid precipitation gauge measurements. This study discusses how this impacts the verification of precipitation forecasts for Norway for one global model [the high-resolution version of the ECMWF Integrated Forecasting System (IFS-HRES)], and one high-resolution, limited-area model [Applications of Research to Operations at Mesoscale (MEPS)]. First, the forecasts are compared with high-quality reference measurements (less undercatch) and with more simple measurement equipment commonly available (substantial undercatch) at the Haukeliseter observation site. Then the verification is extended to include all Norwegian observation sites: 1) stratified by wind speed, since calm (windy) conditions experience less (more) undercatch; and 2) by applying transfer functions, which convert measured precipitation to what would have been measured with high-quality equipment with less undercatch, before the forecast–observation comparison is performed. Results show that the wind-induced undercatch of solid precipitation has a substantial impact on verification results. Furthermore, applying transfer functions to adjust for wind-induced undercatch of solid precipitation gives a more realistic picture of true forecast capabilities. In particular, estimates of systematic forecast biases are improved, and to a lesser degree, verification scores like correlation, RMSE, ETS, and stable equitable error in probability space (SEEPS). However, uncertainties associated with applying transfer functions are substantial and need to be taken into account in the verification process. Precipitation forecast verification for liquid and solid precipitation should be done separately whenever possible.
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 | 0,000 |
| 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 découle