MétaCan
Menu
Retour à la cohorte
Enregistrement W4213336089 · doi:10.3390/rs14040928

Can GPM IMERG Capture Extreme Precipitation in North China Plain?

2022· article· en· W4213336089 sur OpenAlex

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.

Notice bibliographique

RevueRemote Sensing · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiquePrecipitation Measurement and Analysis
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésGlobal Precipitation MeasurementEnvironmental sciencePrecipitationClimatologyMeteorologySatelliteGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Extreme precipitation events (EPE) often cause catastrophic floods accompanied by serious economic losses and casualties. The latest version (V06) of the Integrated Multi-satellite Retrievals for Global Precipitation Measurement (GPM IMERG) provides global satellite precipitation data from 2000 at a higher spatiotemporal resolution with improved quality. It is scientifically and practically important to assess the accuracy of the IMERG V06 in capturing extreme precipitation. This study evaluates the two widely used products of IMERG during 2000–2018, i.e., IMERG late run (IMERG-L) and IMERG final run (IMERG-F), in the densely populated and flood-prone North China Plain. The accuracy of the IMERG V06 is evaluated with ground measurements from rain gauge stations at multiple scales (hourly, daily, and seasonally). A novel target tracking method is introduced to extract three-dimensional (3D) extreme precipitation events, and the near-real-time uncalibrated PERSIANN-CCS (Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks Cloud Classification System) and GSMAP (Global Satellite Mapping of Precipitation) satellite data are added to further evaluate IMERG’s performance during extreme precipitation. Finally, for flash flood events induced by extreme rainfall in the Hebei Province from 15 to 23 July 2016, the accuracy of capturing the event with IMERG-F and IMERG-L was verified. Results reveal that IMERG-F is better than IMERG-L at all investigated scales (hourly, daily, and seasonally), but the difference between the two products is less at higher time resolutions. Both products manifest decreased performance when capturing 3D extreme precipitation events, and comparatively, IMERG-F performs better than IMERG-L. IMERG-F exhibits a distinct discontinuity in extreme precipitation thresholds between land and ocean, which is a limitation of IMERG-F not documented in previous studies. Moreover, IMERG-L and IMERG-F are comparable at an hourly scale for some metrics, which is beyond the expectation that IMERG-F is notably better than IMERG-L. This study provides a scientific basis for the performance of satellite precipitation products and contributes to guiding users when applying global precipitation products.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,491
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,024
Tête enseignante GPT0,209
Écart entre enseignants0,185 · 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