MétaCan
Menu
Retour à la cohorte
Enregistrement W2124884607 · doi:10.1201/b11863-22

Snow Cover Monitoring from Remote-Sensing Satellites : Possibilities for Drought Assessment

2012· book-chapter· en· W2124884607 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRemote sensingSnow coverCover (algebra)SnowEnvironmental scienceGeographyMeteorologyEngineering

Résumé

récupéré en direct d'OpenAlex

Snow cover is an important earth surface characteristic because it influences partitioning of the surface radiation, energy, and hydrologic budgets. Snow is also an important source of moisture for agricultural crops and water supply in many higher latitude or mountainous areas. For instance, snowmelt provides approximately 50%–80% of the annual runoff in the western United States (Pagano and Garen, 2006) and Canadian Prairies (Gray et al., 1989; Fang and Pomeroy, 2007), which substantially impacts warm season hydrology. Limited soil moisture reserves from the winter period can result in agricultural drought (i.e., severe early growing season vegetation stress if rainfall deficits occur during that period), which can be prolonged or intensified well into the growing season if relatively dry conditions persist. Snow cover deficits can also result in hydrological drought (i.e., severe deficits in surface and subsurface water reserves including soil moisture, streamflow, reservoir and lake levels, and groundwater) since snowmelt runoff is the primary source of moisture to recharge these reserves for a wide range of agricultural, commercial, ecological, and municipal purposes. Semiarid regions that rely on snowmelt are especially vulnerable to winter moisture shortfalls since these areas are more likely to experience frequent droughts. In the Canadian Prairies, more than half the years of three decades (1910–1920, 1930–1939, and 1980–1989) were in drought. Wheaton et al. (2005) reported exceptionally low precipitation and low snow cover in the winter of 2000–2001, with the greatest anomalies of precipitation in Alberta and western Saskatchewan along with near-normal temperature in most of southern Canada. The reduced snowfall led to lower snow accumulation. A loss in agricultural production over Canada by an estimated $3.6 billion in 2001–2002 was attributed to this drought. Fang and Pomeroy (2008) analyzed the impacts of the most recent and severe drought of 1999/2004–2005 for part of the Canadian Prairies on the water supply of a wetland basin by using a physically based cold region hydrologic modeling system. Simulation results showed that much lower winter precipitation, less snow accumulation, and shorter snow cover duration were associated with much lower discharge from snowmelt runoff to the wetland area during much of the drought period of 1999/2004–2005 than during the nondrought period of 2005/2006.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,922
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

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 Opus0,023
Tête enseignante GPT0,263
Écart entre enseignants0,240 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeAutre devis
Domainenon disponible
GenreAutre

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

En bref

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydrology and Drought AnalysisTravaux en français237 207