Performance characteristics of a new electronic snow water equivalent sensor in different climates
Notice bibliographique
Résumé
Abstract The US Army ERDC CRREL and the US Department of Agriculture Natural Resources Conservation Service developed a square electronic snow water equivalent (e‐SWE) sensor as an alternative to using fluid‐filled snow pillows to measure SWE. The sensors consist of a centre panel to measure SWE and eight outer panels to buffer edge stress concentrations. Seven 3 m square e‐SWE sensors were installed in five different climate zones. During the 2011–2012 winter, 1.8 and 1.2 m square e‐SWE sensors were installed and operated in Oregon. With the exception of New York State and Newfoundland, the e‐SWE sensors accurately measured SWE, with R 2 values between the sensor and manual SWE measurements of between 0.86 and 0.98. The e‐SWE sensor at Hogg Pass, Oregon, accurately measured SWE during the past 8 years of operations. In the thin, icy snow of New York during midwinter 2008–2009, the e‐SWE sensors overmeasured SWE because of edge stress concentrations associated with strong icy layers and a shallow snow cover. The New York e‐SWE sensors' measurement accuracy improved in spring 2009 and further improved during the 2011–2012 winter with operating experience. At Santiam Junction, measured SWE from the 1.8 and 1.2 m square e‐SWE sensors agreed well with the snow pillow, 3 m square e‐SWE sensor, and manual SWE measurements until February 2013, when dust and gravel blew onto the testing area resulting in anomalous measurements. © 2014 The Authors. Hydrological Processes published by John Wiley & Sons Ltd.
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 | 0,000 | 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 | 0,000 | 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) | 0,001 | 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 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 ».