Global Precipitation Experiment—A New World Climate Research Programme Lighthouse Activity
Notice bibliographique
Résumé
Abstract The future state of the global water cycle and the prediction of freshwater availability for humans around the world remain among the challenges of climate research and are relevant to several United Nations Sustainable Development Goals. The Global Precipitation Experiment (GPEX) takes on the challenge of improving the prediction of precipitation quantity, phase, timing, and intensity, characteristics that are products of a complex integrated system. It will achieve this by leveraging existing World Climate Research Programme (WCRP) activities and community capabilities in satellite, surface-based, and airborne observations, modeling, and experimental research and by conducting new and focused activities. It was launched in October 2023 as a WCRP Lighthouse Activity. Here, we present an overview of the GPEX Science Plan that articulates the primary science questions related to precipitation measurements, process understanding, model performance and improvements, and plans for capacity development. The central phase of GPEX is the WCRP Years of Precipitation for 2–3 years with coordinated global field campaigns focusing on different storm types (atmospheric rivers, mesoscale convective systems, monsoons, and tropical cyclones, among others) over different regions and seasons. Activities are planned over the three phases (before, during, and after the Years of Precipitation) spanning a decade. These include gridded data evaluation and development, advanced modeling, enhanced understanding of processes critical to precipitation, multiscale prediction of precipitation events across scales, and capacity development. These activities will be further developed as part of the GPEX Implementation Plan.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».