Gridded North American monthly snow depth and snow water equivalent for GCM evaluation
Notice bibliographique
Résumé
Evaluation of snow cover in GCMs has been hampered by a lack of reliable gridded estimates of snow water equivalent (SWE) at continental scales. In order to address this gap, a snow depth analysis scheme developed by Brasnett (1999) and employed operationally at the Canadian Meteorological Centre (CMC), was applied to generate a 0.3° latitude/longitude grid of monthly mean snow depth and corresponding estimated water equivalent for North America to evaluate GCM snow cover simulations for the Atmospheric Model Intercomparison Project II (AMIP II) for the period 1979–96. Approximately 8000 snow depth observations per day were obtained from U.S. cooperative stations and Canadian climate stations for input to the analysis. The first‐guess field used a simple snow accumulation, aging and melt model driven by 6‐hourly values of air temperature and precipitation from the European Centre for Medium‐range Weather Forecasting (ECMWF) ERA‐15 Reanalysis with extensions from the Tropical Ocean Global Atmosphere (TOGA) operational data archive. The gridded snow depth and estimated SWE results agree well with available independent in situ and satellite data over mid‐latitudinal regions of the continent, and the snow depth climatology exhibited several improvements over Foster and Davy (1988). The monthly snow depth and estimated SWE climatologies are available for downloading from the Canadian Cryospheric Information Network (http://www.ccin.ca).
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».