The hourly wind-bias-adjusted precipitation data set from the Environment and Climate Change Canada automated surface observation network (2001–2019)
Notice bibliographique
Résumé
Abstract. The measurement of precipitation in the Environment and Climate Change Canada (ECCC) surface network is a crucial component for climate and weather monitoring, flood and water resource forecasting, numerical weather prediction, and many other applications that impact the health and safety of Canadians. Through the late 1990s and early 2000s, the ECCC surface network modernization resulted in a shift from manual to automated precipitation measurements. Although many advantages to automation are realized, such as enhanced capabilities for monitoring in remote locations and a higher frequency of observations at lower cost, the increased reliance on automated precipitation gauges has also resulted in additional challenges, especially with data quality and homogenization. The automated weighing precipitation gauges used in the ECCC operational network have an increased propensity for wind-induced undercatch of solid precipitation. One outcome of the World Meteorological Organization (WMO) Solid Precipitation Intercomparison Experiment (SPICE) was the development of transfer functions for the adjustment of high-frequency solid precipitation measurements made with gauge/wind shield configurations used in the ECCC surface network. Using the SPICE universal transfer function (UTF), hourly precipitation measurements from 397 ECCC automated climate stations were retroactively adjusted for wind undercatch. The data format, quality control, and adjustment procedures are described here. The hourly adjusted data set (2001–2019; version v2019UTF) is available via the ECCC data catalogue at https://doi.org/10.18164/6b90d130-4e73-422a-9374-07a2437d7e52 (ECCC, 2021). A basic spatial impact assessment shows that the highest relative total precipitation adjustments occur in the Arctic, where solid precipitation has an overall higher annual occurrence ratio. The highest adjustments for solid precipitation are shared by the Arctic, Southern Prairies, and the coastal Maritimes, where stations tend to be more exposed and snowfall events occur at higher wind speeds.
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 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 | 0,004 | 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 | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».