Modelling snow water equivalent and spring runoff in a boreal watershed, James Bay, Canada
Notice bibliographique
Résumé
The hydrology of boreal regions is strongly influenced by seasonal snow accumulation and melt. In this study, we compare simulations of snow water equivalent (SWE) and streamflow by using the hydrological model HYDROTEL with two contrasting approaches for snow modelling: a mixed degree-day/energy balance model (small number of inputs, but several calibration parameters needed) and the thermodynamic model CROCUS (large number of inputs, but no calibration parameter needed). The study site, in Northern Quebec, Canada was equipped with a ground-based gamma ray sensor measuring the SWE continuously for 5 years in a small forest clearing. The first simulation of CROCUS showed a tendency to underestimate SWE, attributable to bias in the meteorological inputs. We found that it was appropriate to use a threshold of 2 °C to separate rain and snow. We also applied a correction to account for snowfall undercatch by the precipitation gauge. After these modifications to the input dataset, we noticed that CROCUS clearly overestimated the SWE, likely as a result of not including loss in SWE because of blowing snow sublimation and relocation. To correct this, we included into CROCUS a simple parameterisation effective after a certain wind speed threshold, after which the thermodynamic model performed much better than the traditional mixed degree-day/energy balance model. HYDROTEL was then used to simulate streamflow with both snow models. With CROCUS, the main peak flow could be captured, but the second peak because of delayed snowmelt from forested areas could not be reproduced due to a lack of sub-canopy radiation data to feed CROCUS. Despite the relative homogeneity of the boreal landscape, data inputs from each land cover type are needed to generate satisfying simulation of the spring runoff. Copyright © 2013 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 ».