MétaCan
Menu
Retour à la cohorte
Enregistrement W4393545464 · doi:10.5281/zenodo.4507058

Supplimentary Data: Representativity of Cloud-Profiling Radar Observations for Data Assimilation in Numerical Weather Prediction

2021· dataset· en· W4393545464 sur OpenAlexaffabout
Howard W. Barker, Philip Gabriel, Zhipeng Qu, Seiji Kato

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2021
Typedataset
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésData assimilationProfiling (computer programming)MeteorologyEnvironmental scienceCloud computingRadarNumerical weather predictionWeather radarComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

The data published here were used in the research paper titled "Representativity of Cloud-Profiling Radar Observations for Data Assimilation in Numerical Weather Prediction". The atmospheric data were simulated with Environment and Climate Change Canada’s Global Environmental Multiscale (GEM) NWP model (Côté et al. 1998; Girard et al. 1998; Milbrandt et al. 2016) for the purpose of testing cloud and aerosol retrieval algorithms for the EarthCARE satellite mission (Illingworth et al. 2015). The horizontal grid-spacing of the model is 0.25 km with 57 vertical levels. Two frames are available (Halifax and Pacific) with a size of 200 x 6200 km for each frame. In addition to the data from GEM, the Cloud Feedback Model Intercomparison Project (CFMIP) Observation Simulator Package (COSP ) produced 94-GHz reflectivities commensurate with CloudSat’s CPR for each of GEM’s 0.25 km columns (Haynes et al. 2007; Bodas-Salcedo et al. 2011). Due to the low frequency of radiative transfer calculation in GEM, the top of atmosphere (TOA) upward flux were recalculated with RRTMG radiative transfer model (Clough et al. 2005) based on the atmospheric properties from GEM's simulation. The data are stored in netCDF format. The available variables are: 2D cloud mask: vertically integrated cloud mask; 3D cloud mask: cloud mask for each model level; Flux: includes the top of atmosphere upward VIS and IR flux (W m-2); Height: height (m) for each model level; Latitude: latitude (deg) for horizontal grids; Longitude: longitude (deg) for horizontal grids; Reflectivity: COSP simulated radar reflectivity. The vertical heights are different form the vertical levels of original GEM simulation. Please refer to the variable "altitude" within the radar reflectivity netCDF file for more details.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,157
Score d'incertitude au seuil0,526

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,1570,056

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 Opus0,182
Tête enseignante GPT0,305
Écart entre enseignants0,124 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetMeteorological Phenomena and SimulationsTravaux en français237 207