Evaluating precipitation forecasts from the High Resolution Ensemble Kalman Filter (HREnKF) over the Pacific Northwest
Notice bibliographique
Résumé
Le nord-ouest du Pacifique reçoit certaines des plus fortes précipitations de la planète. Par conséquent, prévoir précisément les précipitations pour cette aire géographique est essentiel pour avertir les différents secteurs de la société du moment et de l'intensité des précipitations. Cependant, la prévision des précipitations reste généralement difficile, et dans le Pacifique Nord-Ouest en particulier, en raison des conditions atmosphériques incertaines et d'un terrain complexe. En outre, l'estimation des précipitations observées dans la région est difficile en raison de la faible densité des données de pluviomètre et de la couverture radar limitée en terrain complexe. Dans le but d'améliorer la qualité des prévisions dans cette région, Evironnement et Changements Climatiques Canada a développé un système de prédictions d'ensemble utilisant un filtre régional Ensemble Kalman à haute résolution (HREnKF). Le HREnKF a une résolution et 2,5 km assimile les observations de surface et aérologiques heure par heure. Pour déterminer l'avantage de cette augmentation de résolution, les prévisions quantitatives de précipitations (QPF) du HREnKF sont comparées au système de prévisions à plus basse résolution (15km) du REnKF, qui assimile les données toutes les 6 heures. En outre, pour séparer l'impact de l'augmentation de résolution spatiale horizontale de celui de l'augmentation de l'assimilation des données, les prévisions sont également générées à partir d'un système d'ensemble à échelle réduite du REnKF (DS), utilisant la même résolution horizontale que le HREnKF mais sans assimilation de données explicite. Pour évaluer la performance du modèle, plusieurs produits d'observation, dont des pluviomètres, sont intégrés aux données radar et utilisés par la suite comme produits de vérification. Les QPFs de tous les modèles sont ensuite comparés aux produits de vérification à l'aide d'une série de méthodes d'évaluation déterministe et probabiliste. Enfin, les incertitudes d'observation sont également prises en compte dans l'exécution de la vérification. Les paramètres de vérification traditionnels et l'évaluation spatiale indiquent tous deux une performance supérieure du système à haute résolution par rapport au REnKF. Cependant, l'effet de l'assimilation des données à haute résolution temporelle et spatiale est négligeable. En effet, le système HREnKF offre des performances très similaire au DS, pour tous les cas. Par conséquent, le DS moins, coûteux en ressources informatiques, pourrait être plus approprié que le HREnKF pour prévoir les précipitations sur le nord-ouest du Pacifique .
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 | 0,001 | 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 | 0,000 |
| 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) | 0,011 | 0,001 |
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 ».