Temporal and spatial variability of North American prairie snow cover (1988–1995) inferred from passive microwave‐ derived snow water equivalent imagery
Notice bibliographique
Résumé
Estimates of regional snow water equivalent (SWE) are essential for hydrological prediction, climatological analysis, and meteorological forecasting. Passive microwave‐derived estimates of snow cover have unique benefits such as all‐weather imaging, rapid scene revisit capabilities, and the ability to provide these quantitative SWE data. For this study the available time series of special sensor microwave/imager (SSM/)) brightness temperatures in the equal area SSM/I Earth grid projection were processed with the Canadian Atmospheric Environment Service dual‐channel SWE algorithm for a ground‐validated North American prairie region. Seven winter seasons (December, January, and February) of SWE imagery spanning 1988–1995 and averaged for 5 day intervals were subjected to a rotated principal components analysis (PCA) performed individually for each season. A final PCA considering all 7 winter seasons was performed in order to investigate the degree to which snow cover patterns reappear from one season to the next. Results indicate that modes of snow cover in the North American prairies are most persistent during the late winter (February) and exhibit a greater degree of variability during December than the other winter months. Two snow cover regimes are identified for the study region, with the winters of 1988/1989–1991/1992 characterized in a manner that is unique in both temporal and spatial aspects from the winters of 1992/1993–1994/1995.
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 | 0,001 | 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 | 0,001 |
| 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) | 0,006 | 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 ».