Validation of CloudSat-CPR Derived Precipitation Occurrence and Phase Estimates across Canada
Notice bibliographique
Résumé
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.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».