The Challenges of Micro-Nowcasting and the Women’s Slope Style Event at the PyeongChang 2018 Olympic Winter Games
Notice bibliographique
Résumé
The Women’s Slope Style event of 11–12 February 2018 at the PyeongChang 2018 Olympic Winter Games posed considerable challenges to the competitors and decision-makers, requiring sub-kilometer and sub-minute weather predictions in complex terrain. The gusty wind conditions were unfair and unsafe as the competitors could not achieve sufficient speed to initiate or complete their jumps. The term micro-nowcasting is used here to reflect the extreme high-resolution nature of these science and service requirements. The World Meteorological Organization has conducted several research development and forecast demonstration projects to advance, accelerate and promote the art of nowcasting. Data from compact automatic weather stations, located along the field of play, reported every minute and were post-processed using time series, Hovmöller and wavelet transforms to succinctly present the information. The analyses revealed dominant frequencies of about 20 min, presumed to be associated with vortex shedding from the mountain ridges, but were unable to directly capture the gusts that affected the competitors. The systemic challenges from this and previous projects are reviewed. They include the lack of adequate scientific knowledge of microscale processes, gaps in modeling, the need for post-processing, forecast techniques, managing ever-changing service requirements and highlights the role of observations and the critical role of the forecaster. These challenges also apply to future high-resolution operational weather and warning services.
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 | 0,002 | 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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 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 ».