The Performance of Commonly Used Surface-Based Instruments for Measuring Visibility, Cloud Ceiling, and Humidity at Cold Lake, Alberta
Notice bibliographique
Résumé
Data from automated meteorological instruments are used for model validation and aviation applications, but their measurement accuracy has not being adequately tested. In this study, a number of ground-based in-situ, remote-sensing instruments that measure visibility (VIS), cloud base height (CBH), and relative humidity (RH) were tested against data obtained using standard reference instruments and human observations at Cold Lake Airport, Alberta, Canada. The instruments included the Vaisala FS11P and PWD22 (FSPW), a profiling microwave radiometer (MWR), the Jenoptik ceilometer, Rotronic, Vaisala WXT520, AES-Dewcell RH, and temperature sensors. The results showed that the VIS measured using the FSPWs were well correlated with a correlation coefficient (R) of 0.84 under precipitation conditions and 0.96 during non-precipitating conditions (NPC), indicating very good agreement. However, the FS11P on average measured higher VIS, particularly under NPC. When the FSPWs were compared against human observation, a significant quantization in the data was observed, but less was noted during daytime compared to nighttime. Both probes measured higher VIS compared to human observation, and the calculated R was close to 0.6 for both probes. When the FSPWs were compared against human observation for VIS < 4 km, the calculated mean difference (MD) for the PWD22 (MD ≈ 0.98 km) was better than the FS11P (MD ≈ 1.37 km); thus, the PWD22 was slightly closer to human observation than the FS11P. No significant difference was found between daytime and nighttime measured VIS as compared to human observation; the instruments measured slightly higher VIS. Two extinction parameterizations as functions of snowfall rate were developed based on the VFPs measurements, and the results were similar. The Jenoptik ceilometer generally measured lower CBH than human observation, but the MWR measured larger CBHs for values <2 km, while CBHs were underestimated for higher CBHs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».