MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413132529 · doi:10.5194/ecss2025-275

Polarimetric Radar Signatures of ZDR and KDP in Tornadic Storms over Germany and their Use for Nowcasting

2025· preprint· en· W4413132529 sur OpenAlexaff
Erik Brune, Silke Trömel, Lisa Schielicke

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSupercellTornadoNowcastingMeteorologySevere weatherStormMesocycloneEnvironmental scienceThunderstormConvective storm detectionGeologyRadarDoppler radarGeographyComputer science

Résumé

récupéré en direct d'OpenAlex

Germany has one of the highest densities of tornado reports in Europe with several damaging tornadoes observed every year. Although the German Meteorological Service (DWD) has a dedicated warning process in place, it relies on voluntary observers on the ground to confirm tornadoes. Thus, a robust and reliable radar-based detection algorithm for tornadic cells would represent a great improvement of the warning process. Previous studies by Loeffler and Kumjian (2018, Weather&Forecasting, 33(5), 1143-1157) and Loeffler et al. (2020, GRL,47(12), e2020GL088242) showed pathways to distinguish between tornadic and non-tornadic supercells based on signatures of differential reflectivity (ZDR) and specific differential phase (KDP) in polarimetric radar observations. Storm relative winds cause size sorting in precipitation, leading to a higher concentration of larger drops at the forward flank of a supercell and a localized maximum of ZDR. Smaller drops are advected further into the core of the convective cell, causing enhanced values of KDP. In most storms, ZDR and KDP signatures are spatially separated along the storm motion, but in tornadic supercells, and in some tornadic non-supercells, this separation tends to be more perpendicular to the motion vector. This study uses measurements of DWD's polarimetric C-Band radar network to investigate the separation signature in tornadic storms over Germany and its potential for nowcasting. This data is available since 2021 with a radial resolution of 250 m. The analysis includes 16 tornado cases observed in 2021 and 2022, including supercell and non-supercell tornadoes. An clustering algorithm and percentile-defined thresholds are exploited to identify and analyze the separation signature. Results confirm the existence of the signature in both cell types, showing more consistent separations in the supercell cases showing a good potential for nowcasting with lead times of 5 − 20 min. For non-supercell tornadoes, however, the value of the signatures is limited and can at best confirm the occurrence of a tornado. Results also show differing track characteristics of clusters with enhanced ZDR and KDP for both cell types. In supercells, the clusters tend to deviate less around the linear direction of storm motion, which may be linked to the degree of organization of the storm. An extended and revised version of the algorithm is assumed to significantly improve the warning process for tornadoes in Germany.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,250
Écart entre enseignants0,213 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMeteorological Phenomena and Simulations→Travaux en français237 207→