Unshielded precipitation gauge collection efficiency with wind speed and hydrometeor fall velocity
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. Collection efficiency transfer functions that compensate for wind-induced collection loss are presented and evaluated for unshielded precipitation gauges. Three novel transfer functions with wind speed and precipitation fall velocity dependence are developed, including a function from computational fluid dynamics modelling (CFD), an experimental fall velocity threshold function (HE1), and an experimental linear fall velocity dependence function (HE2). These functions are evaluated alongside universal (KUniversal) and climate-specific (KCARE) transfer functions with wind speed and temperature dependence. Transfer function performance is assessed using 30 min precipitation event accumulations reported by unshielded and shielded Geonor T-200B3 precipitation gauges over two winter seasons. The latter gauge was installed in a Double Fence Automated Reference (DFAR) configuration. Estimates of fall velocity were provided by the Precipitation Occurrence Sensor System (POSS). The CFD function reduced the RMSE (0.08 mm) relative to KUniversal (0.20 mm), KCARE (0.13 mm), and the unadjusted measurements (0.24 mm), with a bias error of 0.011 mm. The HE1 function provided a RMSE of 0.09 mm and bias error of 0.006 mm, capturing the collection efficiency trends for rain and snow well. The HE2 function better captured the overall collection efficiency, including mixed precipitation, resulting in a RMSE of 0.07 mm and bias error of 0.006 mm. These functions are assessed across solid and liquid hydrometeor types and for temperatures between −22 and 19 ∘C. The results demonstrate that transfer functions incorporating hydrometeor fall velocity can dramatically reduce the uncertainty of adjusted precipitation measurements relative to functions based on temperature.
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 | 0,001 | 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 | 0,001 | 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 découle