VALIDATION OF A METHOD FOR SNOW COVER EXTENT MONITORING OVER QUEBEC (CANADA) USING NOAA-AVHRR DATA
Notice bibliographique
Résumé
slivitz(at)cite.net This work comes within the scope of a multidisciplinary study aimed at validating the hydrological simulations of the Canadian regional climate model over Quebec (Canada). Snow cover is a key factor in the modelling process. Because of their low density, conventional local observation net-works do not provide enough accurate data to map snow cover on a large scale and with an ade-quate spatial resolution for regional climate modelling. Alternatively, this is easily feasible using visible and infrared satellite imagery. However, available satellite snow cover products are unus-able for our special needs, because they either have an inadequate spatial resolution or too short observation series. The objective of this study was therefore to develop an automatic algorithm for snow cover extent mapping using data from the AVHRR sensor on board NOAA satellite series, which allows monitor-ing the space-time evolution of snow cover extent over a long period of time and with a “fine ” spa-tial resolution (1x1 km2). Snow cover extent mapping results were validated against in situ snow occurrence observations. The algorithm was tested over the province of Quebec (Canada) for three specific periods: 1998-1999, 1991-1992 and 1986-1987. The algorithm identifies surface class (snow/no-snow) with an average total success rate of 87%. The algorithm performances were higher in snow detection (90%) than they were for no-snow surfaces (82%).
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».