Snow Mass over North America: Observations and Results from the Second Phase of the Atmospheric Model Intercomparison Project
Notice bibliographique
Résumé
Abstract Eighteen global atmospheric general circulation models (AGCMs) participating in the second phase of the Atmospheric Model Intercomparison Project (AMIP-2) are evaluated for their ability to simulate the observed spatial and temporal variability in snow mass, or water equivalent (SWE), over North America during the AMIP-2 period (1979–95). The evaluation is based on a new gridded SWE dataset developed from objective analysis of daily snow depth observations from Canada and the United States with snow density estimated from a simple snowpack model. Most AMIP-2 models simulate the seasonal timing and the relative spatial patterns of continental-scale SWE fairly well. However, there is a tendency to overestimate the rate of ablation during spring, and significant between-model variability is found in every aspect of the simulations, and at every spatial scale analyzed. For example, on the continental scale, the peak monthly SWE integrated over the North American continent in AMIP-2 models varies between ±50% of the observed value of ∼1500 km3. The volume of water in the snowpack, and the magnitudes of model errors, are significant in comparison to major fluxes in the continental water balance. It also appears that the median result from the suite of models tends to do a better job of estimating climatological mean features than any individual model. Year-to-year variations in large-scale SWE are only weakly correlated to observed variations, indicating that sea surface temperatures (specified from observations as boundary conditions) do not drive interannual variations of SWE in these models. These results have implications for simulations of the large-scale hydrologic cycle and for climate change impact assessments.
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 | 0,000 | 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 | 0,000 |
| 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) | 0,000 | 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 ».