Progress in Satellite Precipitation Products over the Past Two Decades
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
Precipitation is one of the most essential environmental variables in global water and energy cycles. Precipitation storms often trigger various natural hazards such as flash floods. The advance of satellite remote sensing provides valuable sources of global precipitation data, which have been widely used in hydrometeorological studies and hazard monitoring. Particularly, the Integrated Multi-satellitE Retrievals for Global Precipitation Measurement (IMERG) produces the latest generation of satellite precipitation estimates and has been widely evaluated and applied since its release in 2014. It is acknowledged that satellite precipitation contains uncertainties varying with space and time. This work assesses the accuracy of the retrospective IMERG products in China and compares IMERG with nine satellite and reanalysis products to reveal the characteristics of modern precipitation data sets. We find that IMERG outperforms other products, except for Global Satellite Mapping of Precipitation (GSMaP), due to the deficiency of monthly-scale gauge adjustment. Regarding snowfall, IMERG exhibits large underestimation in the whole China region compared with gauge and reanalysis data. The triple collocation analysis reveals that the performance of IMERG in snowfall estimation is still unsatisfying. Furthermore, IMERG Early and Final runs are applied in the early warning of flash floods in Yunnan Province, China, where flood hazards are common and destructive. IMERG could be better in monitoring floods at higher temporal resolutions (e.g., 1 h and 3 h) than the lower temporal resolution (e.g., daily). IMERG Early run has better timeliness but lower capability of capturing floods compared to IMERG Final run. The study is useful for both users and developers of satellite 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 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 | 0,000 | 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 | 0,000 | 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) | 0,005 | 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