Cohérence des produits de précipitation à haute résolution pour l'est de l'Amérique du Nord
Bibliographic record
Abstract
Plusieurs estimations de la précipitation fondées sur des observations sont aujourd’hui disponibles pour de hautes résolutions temporelle (≤3 h) et spatiale (≤0,25°). La cohérence entre ces estimations dépend de plusieurs facteurs, comme la métrique avec laquelle les produits sont comparés, la région et la saison. Nous proposons ici une méthodologie permettant de quantifier l'incertitude d'un ensemble de produits et d’en identifier les moins probables en chaque point de grille. L’approche est appliquée sur une région zone couvrant l'est de l'Amérique du Nord entre 2015 et 2019 pour sept produits à haute résolution couramment utilisés. Quatre métriques sont utilisées pour quantifier la cohérence entre les produits selon différents aspects de la précipitation tels que l'accumulation totale, la distribution en intensité, l'intensité/fréquence et la chronologie des événements. D'importantes variations régionales et saisonnières de l'incertitude sont constatées. Les produits sont moins cohérents (et donc plus incertains) au Canada qu'aux États-Unis, ce qui reflète la moindre contribution des observations in situ en raison de la taille réduite du réseau d'observation. Aux latitudes moyennes septentrionales, la cohérence des produits est la plus élevée en été, tandis qu'aux latitudes moyennes méridionales, elle est la plus élevée en hiver. En été, les variations du cycle diurne des précipitations sont globalement plus cohérentes que l'amplitude du cycle ; la divergence de la chronologie des précipitations est cependant constante tout au long de la journée. L'absence de référence absolue pour comparer les produits et la grande variabilité de leur cohérence rendent difficile l'identification des produits les plus appropriés ; notre méthodologie permet cependant d'identifier les plus probables. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : précipitation, observations, Amérique du Nord, erreur
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.015 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
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".