Evaluation of IMERG and ERA5 Precipitation-Phase Partitioning on the Global Scale
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
The precipitation phase (i.e., rain and snow) is important for the global hydrologic cycle and climate system. The objective of this study is to evaluate the precipitation-phase partitioning capabilities of remote sensing and reanalysis modeling methods on the global scale. Specifically, observation data from the National Centers for Environmental Prediction (NCEP) Automated Data Processing (ADP), from 2000 to 2007, are used to evaluate the rain–snow discrimination accuracy of the Integrated Multi-Satellite Retrievals for Global Precipitation Measurement (IMERG) and the fifth-generation reanalysis product of the European Centre for Medium Range Weather Forecasts (ERA5). The results show that: (1) the ERA5 performs better than the IMERG at distinguishing rainfall and snowfall events, overall. (2) The ERA5 has high accuracy in all continents except for South America, while the IMERG performs well only in Antarctica and North America. (3) Compared with the IMERG, the ERA5 can more effectively capture snowfall events at high latitudes but shows worse performance at mid-low latitude regions. Both the IMERG and ERA5 have lower accuracy for rain–snow partitioning under heavy precipitation. Overall, the results of this study provide references for the application and improvement of global rain–snow partitioning 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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,008 | 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