MétaCan
Menu
Retour à la cohorte
Enregistrement W4200404504 · doi:10.3390/atmos12121678

Assessment of Satellite-Based Rainfall Products Using a X-Band Rain Radar Network in the Complex Terrain of the Ecuadorian Andes

2021· article· en· W4200404504 sur OpenAlexaff
Nazli Turini, Boris Thies, Rütger Rollenbeck, Andreas Fries, Franz Pucha-Cofrep, Johanna Orellana‐Alvear, Natalia Horna, Jörg Bendix

Notice bibliographique

RevueAtmosphere · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiquePrecipitation Measurement and Analysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesGoddard Space Flight CenterNational Oceanic and Atmospheric AdministrationUniversidad de CuencaBundesministerium für Bildung und ForschungUniversidad Técnica Particular de LojaDeutsche ForschungsgemeinschaftNational Aeronautics and Space Administration
Mots-clésGlobal Precipitation MeasurementEnvironmental scienceSatelliteTerrainRadarPrecipitationRemote sensingMeteorologyQuantitative precipitation estimationComputer scienceGeographyCartography

Résumé

récupéré en direct d'OpenAlex

Ground based rainfall information is hardly available in most high mountain areas of the world due to the remoteness and complex topography. Thus, proper understanding of spatio-temporal rainfall dynamics still remains a challenge in those areas. Satellite-based rainfall products may help if their rainfall assessment are of high quality. In this paper, microwave-based integrated multi-satellite retrieval for the Global Precipitation Measurement (GPM) (IMERG) (MW-based IMERG) was assessed along with the random-forest-based rainfall (RF-based rainfall) and infrared-only IMERG (IR-only IMERG) products against the quality-controlled rain radar network and meteorological stations of high temporal resolution over the Pacific coast and the Andes of Ecuador. The rain area delineation and rain estimation of each product were evaluated at a spatial resolution of 11 km2 and at the time of MW overpass from IMERG. The regionally calibrated RF-based rainfall at 2 km2 and 30 min was also investigated. The validation results indicate different essential aspects: (i) the best performance is provided by MW-based IMERG in the region at the time of MW overpass; (ii) RF-based rainfall shows better accuracy rather than the IR-only IMERG rainfall product. This confirms that applying multispectral IR data in retrieval can improve the estimation of rainfall compared with single-spectrum IR retrieval algorithms. (iii) All of the products are prone to low-intensity false alarms. (iv) The downscaling of higher-resolution products leads to lower product performance, despite regional calibration. The results show that more caution is needed when developing new algorithms for satellite-based, high-spatiotemporal-resolution rainfall products. The radar data validation shows better performance than meteorological stations because gauge data cannot correctly represent spatial rainfall in complex topography under convective rainfall environments.

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 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)0,001
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 enseignants0,020
Score d'incertitude au seuil0,787

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,038
Tête enseignante GPT0,259
Écart entre enseignants0,220 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmosphereMême sujetPrecipitation Measurement and AnalysisTravaux en français237 207