Influence of the DSD variability at the radar subgrid scale on radar power laws
Notice bibliographique
Résumé
Power laws relating the different radar observables (from conventional or polarimetric radar systems) are commonly used in the processing of radar measurements (e.g., attenuation correction) and in their conversion into rain rate values (e.g., Z-R relationship). These power laws are usually established from measured raindrop size distributions (DSD) collected by disdrometers (at the ground level), that correspond to point-scale measurements. These power laws are then applied at the scale of a radar sampling volume (in the order of 1 km3). The DSD can be variable within a radar pixel, and this variability hence questions the representativity of power laws derived from point measurements and applied to radar observations. To investigate the small-scale variability of the DSD, a network of 16 disdrometers (Parsivel, 1st generation) has been deployed over EPFL campus in Lausanne, Switzerland, during 16 months. 36 rain events have been selected and classified in 3 groups of rain types: convective, transitional and stratiform. This set of events can reasonably be seen as representative of the local climatology. The spatially distributed DSD measurements from the disdrometer network are used to quantify the spatial variability and the spatial structure of the DSD within a typical radar pixel. The coefficients of the Z-R and the RKdp power laws are estimated at the point and the pixel scales. The influence of their variability within a radar pixel on the quality of the rain rate estimate is quantified and is shown to be potentially significant.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».