Deriving Snow Cover Metrics for Alaska from MODIS
Notice bibliographique
Résumé
Moderate Resolution Imaging Spectroradiometer (MODIS) daily snow cover products provide an opportunity for determining snow onset and melt dates across broad geographic regions; however, cloud cover and polar darkness are limiting factors at higher latitudes. This study presents snow onset and melt dates for Alaska, portions of western Canada and the Russian Far East derived from Terra MODIS snow cover daily 500 m grid data (MOD10A1) and evaluates our method for filling data gaps caused by clouds or polar darkness. Pixels classified as cloud or no data were reclassified by: spatial filtering using neighboring pixel values; temporal filtering using pixel values for days before/after cloud cover; and snow-cycle filtering based on a time series assessment of a pixel’s position within snow accumulation, cover or melt periods. During the 2012 snow year, these gap-filling methods reduced cloud pixels from 27.7% to 3.1%. A total of 12 metrics (e.g., date of first and last snow, date of persistent snow cover and periods of intermittence) for each pixel were calculated by snow year. A comparison of MODIS-derived snow onset and melt dates with in situ observations from 244 weather stations generally showed an early bias in MODIS-derived dates and an effect of increasing cloudiness exacerbating bias. Our results show that mean regional duration of seasonal snow cover is 179–311 days/year and that snow cover is often intermittent, with 41% of the area experiencing ≥2 snow-covered periods during a snow season. Other regional-scale patterns in the timing of snow onset and melt are evident in the yearly 500 m gridded products publically available at http://static.gina.alaska.edu/NPS_products/MODIS_snow/.
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) | 0,000 | 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 ».