MétaCan
Menu
Retour à la cohorte
Enregistrement W2055856034 · doi:10.1029/2001jd001280

An extension of the force‐restore method to estimating soil temperature at depth and evaluation for frozen soils under snow

2002· article· en· W2055856034 sur OpenAlexafffundabout
Tomoyoshi Hirota, John W. Pomeroy, R. J. Granger, Charles Maulé

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2002
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of SaskatchewanGlobal Institute for Water SecurityEnvironment and Climate Change Canada
Organismes subventionnairesUniversity of Saskatchewan
Mots-clésSnowSoil waterEnvironmental scienceSnow coverThermal conductionDiurnal temperature variationSoil scienceMeteorologyHydrology (agriculture)Atmospheric sciencesGeologyGeotechnical engineeringMaterials scienceGeography

Résumé

récupéré en direct d'OpenAlex

The force‐restore method (FRM) was originally developed for estimating diurnal fluctuations in the ground surface temperature. Because of its relatively simple parameterization, it is commonly applied in meteorological and other models for this purpose. Its application to the calculation of deeper soil temperatures, to frozen soils, and to soils under snow covers has heretofore not been possible. This study demonstrates an extension of the FRM that permits accurate estimates of seasonal variation in mean daily deep soil temperature. The extended FRM is shown to provide a lower boundary condition for the heat conduction method, permitting a combination of the two approaches that avoids some limitations of each. The combined approach provides representations of the mean daily soil temperature, soil temperature at depth in frozen soils, and ground surface temperature under a snow cover. Diurnal variations can also be calculated. The extended method and combined approaches are tested using field site measurements collected in cold weather periods in Saskatchewan, Canada, and are found to provide a reasonable representation of measurements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,636
Score d'incertitude au seuil0,428

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,101
Tête enseignante GPT0,375
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations78
Publié2002
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetCryospheric studies and observationsTravaux en français237 207