MétaCan
Menu
Retour à la cohorte
Enregistrement W2139621768 · doi:10.1002/hyp.10595

Impact of windflow calculations on simulations of alpine snow accumulation, redistribution and ablation

2015· article· en· W2139621768 sur OpenAlexafffundabout
K. N. Musselman, John W. Pomeroy, Richard Essery, Nicolas R. Leroux

Notice bibliographique

RevueHydrological Processes · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesCanada Foundation for InnovationNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsUniversity of Calgary
Mots-clésSnowSnowpackSnowmeltEnvironmental scienceAtmospheric sciencesTerrainTurbulenceSublimation (psychology)Wind speedMeteorologySnow fieldClimatologyGeologySnow coverGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Wind redistribution, radiation and turbulent heat fluxes determine seasonal snow accumulation and melt patterns in alpine environments. Mathematical representations of windflow vary in complexity and introduce uncertainty to snow modelling. To characterize this uncertainty, a spatially distributed snow model that considers the physics of blowing snow transport and sublimation and the energy fluxes contributing to snowpack ablation were evaluated for its ability to simulate seasonal snow patterns around a windy alpine ridge in the Canadian Rockies. The model was forced with output from three windflow models of varying computational complexity and physical realism: (i) a terrain‐based empirical interpolation of station observations, (ii) a simple turbulence model and (iii) a computational fluid dynamics model. Compared with wind measurements, the windflow simulations produced similar and relatively accurate (biases lower than ±1.1 m s−1) wind speed estimates. However, the snow mass budget simulated by the snow model was highly sensitive to the windflow simulation used. Compared with measurements, distributed snow model depth and water equivalent errors were smallest using either of the two turbulence models, with the best representation of downwind drifts by the computational fluid dynamics model. Sublimation was an important mass loss from the ridge, and windflow model choice resulted in cumulative seasonal sublimation differences ranging from 10.5% to 19.0% of seasonal snowfall. When aggregated to larger scales, differences in cumulative snowmelt and snow transport were negligible, but persistent differences in sublimation and snow‐covered area suggest that windflow model choice can have significant implications at multiple scales. Uncertainty can be reduced by using physically based windflow models to drive distributed snow models. Copyright © 2015 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,084
Tête enseignante GPT0,314
Écart entre enseignants0,230 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations67
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHydrological ProcessesMême sujetCryospheric studies and observationsTravaux en français237 207