Snow specific surface area simulation using the one-layer snow model in the Canadian LAnd Surface Scheme (CLASS)
Notice bibliographique
Résumé
Abstract. Snow grain size is a key parameter for modeling microwave snow emission properties and the surface energy balance because of its influence on the snow albedo, thermal conductivity and diffusivity. A model of the specific surface area (SSA) of snow was implemented in the one-layer snow model in the Canadian LAnd Surface Scheme (CLASS) version 3.4. This offline multilayer model (CLASS-SSA) simulates the decrease of SSA based on snow age, snow temperature and the temperature gradient under dry snow conditions, while it considers the liquid water content of the snowpack for wet snow metamorphism. We compare the model with ground-based measurements from several sites (alpine, arctic and subarctic) with different types of snow. The model provides simulated SSA in good agreement with measurements with an overall point-to-point comparison RMSE of 8.0 m2 kg–1, and a root mean square error (RMSE) of 5.1 m2 kg–1 for the snowpack average SSA. The model, however, is limited under wet conditions due to the single-layer nature of the CLASS model, leading to a single liquid water content value for the whole snowpack. The SSA simulations are of great interest for satellite passive microwave brightness temperature assimilations, snow mass balance retrievals and surface energy balance calculations with associated climate feedbacks.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».