MétaCan
Menu
Back to cohort
Record W2951517450 · doi:10.82308/20207

An assessment of freezing rain processes in the Saint- Lawrence River Valley: synoptic-dynamic analysis and operational model verification

2014· article· en· W2951517450 on OpenAlexaboutno aff
Sophie Splawinski

Bibliographic record

VenueOpen MIND · 2014
Typearticle
Languageen
FieldEarth and Planetary Sciences
TopicMeteorological Phenomena and Simulations
Canadian institutionsnot available
Fundersnot available
KeywordsOrographyMesoscale meteorologyClimatologyMeteorologyPrecipitationEnvironmental scienceNumerical weather predictionGeographyGeology

Abstract

fetched live from OpenAlex

La pluie verglaçante (PV) est une forme de précipitation qui pose un danger non seulement pour le secteur publique mais également pour le secteur aérien. Ce phénomène est particulièrement connu dans la vallée du fleuve St. Laurent (VFSL). L'orientation de la vallée ainsi que l'orographie explique ce nombre accru d'évènement. Le but vise est donc de fournir aux météorologues les outils nécessaires pour améliorer les prévisions de durée et de location de PV pour les villes de Montréal (CYUL), Québec (CYQB), et Massena (KMSS). Afin d'y parvenir, deux étapes sont requises : la première, introduire un nouveau modèle statistique de prévision et la deuxième, évaluer les conditions synoptiques et meso-échelle des évènements au cours des 27 dernières années. Pendant cette période, 99, 102, et 70 évènements de PV se sont produit à CYQB, CYUL, et KMSS, respectivement. Notre analyse statistique fourni aux météorologues une probabilité d'occurrence de PV (POZR). L'analyse est un moyen d'introduire les prévisions de température à deux différents niveaux et déterminer la probabilité de PV en utilisant un modèle baser sur les données provenant d'une climatologie de précipitations et de vents dans la VFSL. Les analyses synoptiques et dynamiques des évènements passés nous ont montré la nécessité d'incorporer un modèle de prévisions à haute résolution dans la vallée; nécessaire pour résoudre adéquatement l'orographie. Ceci est impératif pour la réussite de prévisions de PV. Ensuite, en utilisant un ensemble de données de vérification, on effectues des analyses de faisabilité et de précision du modèle, ce qui peut être utilise dans un bureau de prévisions. Finalement, une comparaison d'évènements de POZR variées démontre les forces et faiblesses dans les modèles de prévisions actuels. Ces derniers, couplés avec un nouveau modèle de prévision de PV, fourni au météorologues une opportunité de produire des prévisions de PV plus précises dans la VFSL.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.681
Threshold uncertainty score0.635

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0010.000
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.040
GPT teacher head0.315
Teacher spread0.275 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2014
Admission routes1
Has abstractyes

Explore more

Same venueOpen MINDSame topicMeteorological Phenomena and SimulationsFrench-language works237,207