Snow cover estimation using blended MODIS and AMSR‐E data for improved watershed‐scale spring streamflow simulation in Quebec, Canada
Notice bibliographique
Résumé
Abstract Estimation of the amount of water stored in snow is a principal source of error for spring streamflow simulations in snow‐dominant regions. Measuring this variable throughout large and often remote areas using snow surveys is an expensive task since they are practically point measurements. Remote sensing is an alternative method, which can cover much larger areas in little time, but further research is required to reduce uncertainties on snow water equivalent (SWE) estimations, especially during the melting period. However, optical‐near infrared (NIR) and passive microwave remote sensing can detect snow cover area (SCA) with greater certainty, which can be used as a proxy for SWE. The two datasets work in complementary ways considering their spatial resolutions and cloud cover limitations. This study developed an SCA product from blended passive microwave (Advanced Microwave Scanning Radiometer ‐ Earth Observing System: AMSR‐E) and optical‐NIR (Moderate Resolution Imaging Spectroradiometer: MODIS) remote sensing data to improve estimates of streamflow caused by snowmelt during the spring period. The blended product was assimilated in a snowmelt model (SPH‐AV) coupled with the MOHYSE hydrological model through a modified direct insertion method. SCA estimated from AMSR‐E data was first compared with in situ snow‐depth measurements and SCA estimated with MODIS. Results showed an agreement of over 95% between AMSR‐E‐derived and cloud‐free MODIS‐derived SCA products in the spring. Comparison with ground stations confirmed the underestimation of snow cover by AMSR‐E. Assimilation of the blended snow product in SPH‐AV coupled with MOHYSE yielded an overall improvement of the Nash–Sutcliffe coefficient comparable with simulations with no updates, which is comparable to results driven by biweekly snow surveys. Assimilation of remotely sensed passive microwave data was also found to have little positive impact on streamflow simulation due to the difficulty of differentiating melting snow from snow‐free surfaces. © 2013 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».