MétaCan
Menu
Retour à la cohorte
Enregistrement W1602720643 · doi:10.1002/hyp.10431

Modified treatment of intercepted snow improves the simulated forest albedo in the Canadian Land Surface Scheme

2015· article· en· W1602720643 sur OpenAlexafffundabout
Paul Bartlett, Diana Verseghy

Notice bibliographique

RevueHydrological Processes · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesEnvironment Canada
Mots-clésSnowAlbedo (alchemy)Environmental scienceInterceptionBorealEvergreenWind speedAtmospheric sciencesBlack spruceTaigaCanopyLeaf area indexMeteorologyGeographyEcologyForestryGeology

Résumé

récupéré en direct d'OpenAlex

The Canadian Land Surface Scheme (CLASS) was modified to correct an underestimation of the winter albedo in evergreen needleleaf forests. Default values for the visible and near-infrared albedo of a canopy with intercepted snow, αVIS,cs and αNIR,cs, respectively, were too small, and the fraction of the canopy covered with snow, fsnow, increased too slowly with interception, producing a damped albedo response. A new model for fsnow is based on zI*, the effective depth of newly intercepted snow required to increase the canopy albedo to its maximum, which corresponds in the model with fsnow = 1. Snow unloading rates were extracted from visual assessments of photographs and modelled based on relationships with meteorological variables, replacing the time-based method employed in CLASS. These parameterizations were tested in CLASS version 3.6 at boreal black spruce and jack pine forests in Saskatchewan, Canada, a subalpine Norway spruce and silver fir forest at Alptal, Switzerland, and a boreal maritime forest at Hitsujigaoka, Japan. Model configurations were assessed based on the index of agreement, d, relating simulated and observed daily albedo. The new model employs αVIS,cs = 0.27, αNIR,cs = 0.38 and zI* = 3 cm. The best single-variable snow unloading algorithm, determined by the average cross-site d, was based on wind speed. Two model configurations employing ensemble averages of the unloading rate as a function of total incoming radiation and wind speed, and air temperature and wind speed, respectively, produced larger minimum cross-site d values but a smaller average. The default configuration of CLASS 3.6 produced a cross-site average d from October to April of 0.58. The best model employing a single parameter (wind speed at the canopy top) for modelling the unloading rate produced an average d of 0.86, while the two-parameter ensemble-average unloading models produced a minimum d of 0.81 and an average d of 0.84. © 2015 Her Majesty the Queen in Right of Canada. 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,347
Score d'incertitude au seuil0,938

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,236
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations55
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHydrological ProcessesMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207