Interrelationships between MODIS/Terra remotely sensed snow cover and the hydrometeorology of the Quesnel River Basin, British Columbia, Canada
Notice bibliographique
Résumé
Abstract. A spatial filter (SF) method is adopted to reduce the cloud coverage from the Moderate Resolution Imaging Spectroradiometer (MODIS) 8-day snow products (MOD10A2) between 2000–2007 in the Quesnel River Basin (QRB) of British Columbia, Canada. A threshold of k = 2 cm of snow depth measurements at four in-situ observation stations in the QRB are used to evaluate the accuracy of MODIS snow products MOD10A1, MOD10A2, and SF. Using the MOD10A2 and the SF, the relationships between snow ablation, snow cover extent (SCE), snow cover fraction (SCF), streamflow and climate variability are assessed. Based on our results we are able to draw several interesting conclusions. Firstly, the SF method reduces the average cloud coverage in the QRB from 15% for MOD10A2 to 9%. Secondly, the SF increases the overall accuracy (OA) based on the threshold k = 2 cm by about 2% compared to MOD10A2 and by about 10% compared to MOD10A1 at higher elevations. The OA for the four in-situ stations decreases with elevation with 93.1%, 87.9%, 84.0%, and 76.5% at 777 m, 1265 m, 1460 m, and 1670 m, respectively. Thirdly, an aggregated 1°C rise in average air temperature during spring leads to a 10-day advance in reaching 50% SCF (SCF50%) in the QRB. The correlation coefficient between normalized SCE of the SF and normalized streamflow is −0.84 (p<0.001) for snow ablation seasons. There is a 32-day time lag for snow ablation to impact the streamflow the strongest at the basin outlet. The linear correlation coefficient between SCF50% and 50% normalized accumulated runoff (R50%) attains 0.82 (p<0.01). This clearly demonstrates the strong links that exist between the SCF depletion and the hydrology of this sub-boreal, mountainous watershed.
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 | 0,000 |
| 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 | 0,001 | 0,002 |
| 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 ».