Modelled and satellite‐derived surface albedo of lake ice – part II: evaluation of MODIS albedo products
Notice bibliographique
Résumé
Abstract Albedo products (MOD10A1, MYD10A1, and MCD43A3) from the Moderate Resolution Imaging Spectrometer (MODIS) have the potential to be integrated directly into lake ice models such as the Canadian lake ice model (CLIMo) to improve the simulation of freshwater break‐up (ice‐off). The high albedo of snow and lake ice has been shown to affect the timing of break‐up. Therefore, the surface energy balance parameterization of CLIMo requires accurate estimates of albedo when modelling phenology. MOD10A1, MYD10A1, and MCD43A3 were evaluated against in situ snow and ice albedo observations taken over a partially snow‐covered freshwater lake (Malcolm Ramsay Lake) near Churchill, Manitoba, during the ice growth period (15 February 2012 to 25 April 2012). The MODIS albedo products were then compared with the CLIMo's albedo parameterization during the ice break‐up period. The MODIS albedo products MOD10A1, MYD10A1, and MCD43A3 retrieved snow and ice albedo with root mean square error values of 0.07, 0.08, and 0.06, respectively, compared with spatially averaged in situ albedo measurements during ice growth. MODIS albedo products compared with CLIMo's melting ice parameterization during the melt season indicate that CLIMo's albedo estimates have a mean difference of at least 0.14 compared with the MODIS retrievals during melt. The quality of the albedo retrievals over lake ice from MODIS and the need for more accurate albedo simulations during the melt season suggest that the assimilation of MODIS albedo products into CLIMo could be beneficial for the determination of break‐up (ice‐off) dates. Copyright © 2014 John Wiley & Sons, Ltd.
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 | 0,000 |
| 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) | 0,001 | 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 ».