Daily snow cover estimation from Advanced Very High Resolution Radiometer Polar Pathfinder data over Northern Hemisphere land surfaces during 1982–2004
Notice bibliographique
Résumé
The Global Climate Observing System has identified the need for systematic global daily snow cover data sets over land. Current in situ snow cover data sets have limited spatial coverage while satellite‐based snow cover records have either limited historical extent or limited temporal and spatial resolution because of cloud cover or specific sensor availability. NOAA Advanced Very High Resolution Radiometer (AVHRR) data offers nearly complete daily global coverage of the Northern Hemisphere, extending back to the early 1980s with successors slated to continue into the next decade. In this paper, we apply a new algorithm, Snowcover , to estimate daily snow cover, including periods of cloudy conditions, from AVHRR Polar Pathfinder (APP) data over Northern Hemisphere land surfaces. This new snow cover product is compared to snow cover estimates derived from long‐term in situ snow depth measurements over Canada and the northern Eurasia. The APP snow cover maps showed an 80% agreement rate or better at 95% of the in situ sites. This performance was comparable to the agreement of MODIS 0.05 degree snow cover products over the same sites; although the MODIS product was only retrieved ∼20% of the time corresponding to clear sky conditions in contrast to over 95% of the time with the APP snow product. The almost continuously temporal and spatial coverage for the past 23 years from 1982 to 2004 over Northern Hemisphere makes the new daily snow cover product especially suitable for analysis of large‐scale patterns of spring snowmelt in association with variability of circumpolar climate and ecological parameters.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».