Improved Precipitation Typing Using POSS Spectral Modal Analysis
Notice bibliographique
Résumé
Abstract The Precipitation Occurrence Sensor System (POSS) is a small X-band Doppler radar that measures the Doppler velocity spectra from precipitation falling in a small volume near the sensor. The sensor records a 2D frequency of occurrence matrix of the velocity and power at the mode of each spectrum measured over 1 min. The centroid of the distribution of these modes, along with other spectral parameters, defines a data vector input to a multiple discriminant analysis (MDA) for classification of the precipitation type. This requires the a priori determination of a training set for different types, particle size distributions (PSDs), and wind speed conditions. A software model combines POSS system parameters, a particle scattering cross section, and terminal velocity models, to simulate the real-time Doppler signal measured by the system for different PSDs and wind speeds. This is processed in the same manner as the system hardware to produce bootstrap samples of the modal centroid distributions for the MDA training set. MDA results are compared to images from the Multi-Angle Snowflake Camera (MASC) at the MASCRAD site near Easton, Colorado, and to the CSU–CHILL X-band radar observations from Greeley, Colorado. In the four case studies presented, POSS successfully identified precipitation transitions through a range of types (rain, graupel, rimed dendrites, aggregates, unrimed dendrites). Also two separate events of hail were reported and confirmed by the images.
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 | 0,000 | 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 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 ».