MétaCan
Menu
Retour à la cohorte
Enregistrement W3132314044 · doi:10.3390/atmos12030295

Validation of CloudSat-CPR Derived Precipitation Occurrence and Phase Estimates across Canada

2021· article· en· W3132314044 sur OpenAlex
Rithwik Kodamana, Christopher G. Fletcher

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueAtmosphere · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesCanadian Space Agency
Mots-clésPrecipitationEnvironmental scienceSnowClimatologySatelliteClimate changeLatitudeMeteorologyAtmospheric sciencesGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Snowfall affects the terrestrial climate system at high latitudes through its impacts on local meteorology, freshwater resources and energy balance. Precise snowfall monitoring is essential for cold countries such as Canada, and particularly in temperature-sensitive regions such as the Arctic; however, its size and remote location means the precipitation gauge network there is sparse. While satellite remote sensing of snowfall from instruments such as CloudSat-CPR offers a potential solution, satellite detection of precipitation phase has not been systematically evaluated across Canada. In this study, CloudSat-based precipitation occurrence and phase retrievals were validated at 26 stations across Canada maintained by Environment and Climate Change Canada (ECCC). Probability of Detection (POD), defined as the percentage agreement between coincident CloudSat and human-observed present weather information for precipitation (solid, liquid or no precipitation), and False Alarm Ratio (FAR) were used as the primary metrics for validation. The mean POD (FAR) for precipitation occurrence across Canada is 65.5% ± 4.3 (31.4% ± 5.1) and for no precipitation is 90.6% ± 1.4 (11% ± 2.5). The results show lower rates of detection under cloudier skies, in the presence of (freezing) drizzle and for lighter snowfall, which may be explained by a large number of false-positives due to CloudSat-CPR’s high instrumental sensitivity. When CloudSat correctly detects the occurrence of precipitation, it shows uniformly high POD (>80%) and low FAR (<10%) for classifying the phase of precipitation. Large databases of coincident ground and satellite measurements allow us to provide a new estimate of around 9% for the frequency of virga events, a factor of two smaller than a previous estimate for the Arctic. The results from this study show that CloudSat has useful accuracy in detecting precipitation occurrence and very high accuracy at classifying precipitation phase, over diverse climate zones across Canada. As such, there is significant potential for satellite monitoring of snowfall in remote, cold regions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,374
Score d'incertitude au seuil0,884

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,259
Écart entre enseignants0,239 · 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