Evaluating a hierarchy of snowmelt models at a watershed in the Canadian Prairies
Notice bibliographique
Résumé
Three semidistributed snowmelt models (SDSM) were developed and applied to the Paddle River Basin (PRB) in the Canadian Prairies: (1) A physics‐based, energy balance model (SDSM‐EBM) that considers vertical energy exchange processes in open and forested areas, and snowmelt processes that include liquid and ice phases separately; (2) a modified temperature index model (SDSM‐MTI) that uses both near surface soil temperature (Tg) and air temperature (Ta); and (3) a standard temperature index (SDSM‐TI) method using Ta only. Other than the “regulatory” effects of beaver dams that affected the validation results on simulated runoff, both SDSM‐MTI and SDSM‐EBM simulated reasonably accurate snowmelt runoff, snow water equivalent, and snow depth. For the PRB, where snowpack is shallow to moderately deep and winter is relatively severe, the advantage of using both Ta and Tg is partly attributed to Tg showing a stronger correlation with solar radiation than Ta during the spring snowmelt season and partly attributed to the onset of major snowmelt which usually happens when Tg approaches 0°C. After resetting model parameters so that SDSM‐MTI degenerated to SDSM‐TI (the effect of Tg is completely removed), the model performance worsened, even after recalibrating the melt factors using Ta alone. It seems that if reliable Tg data are available, they should be utilized to model the snowmelt processes in a prairie environment, particularly if the temperature‐index approach is adopted.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».