Operational Techniques for Determining SWE by Sound Propagation through Snow
Notice bibliographique
Résumé
Recent research has demonstrated that an acoustic pressure wave can be used to determine snow water equivalent (SWE) without the need for gravimetric sampling. The application of this technique poses a number of challenges in cold environments due to the presence of snow with wind crusts, ice layers, buried vegetation and high liquid water content and due to the extensive signal processing required after collection of returned sound waves. To show that the technique can contribute to operational SWE surveys, portable, field-usable devices were constructed with the capability of reliable on-line signal processing and calculation of SWE in the field. Reflections of the sound wave from the snowpack were identified by a peak detector algorithm and then analyzed. The acoustic method, portable field devices and modified signal processing techniques were tested at forest and tundra sites near Whitehorse, Yukon Territory, and at forest and meadow sites in the Rocky Mountains, Alberta, Canada. Comparisons were made between the acoustic technique and gravimetric sampling conducted using snowpits and density samples of individual snow layers and with bulk gravimetric sampling using an ESC30 “snow tube” snow density sampler and ruler. These comparisons demonstrated that the acoustic measurement with the portable field unit and on-line modified signal processing technique can provide SWE estimates in the field that are of comparable accuracy to SWE calculated from gravimetric samples. The on-line processing allows the operator to gauge the reliability of the measurement and to ensure sufficient data collection before leaving the field site. Significant advantages over gravimetric sampling accrue from non-destructive sampling of the snowpack and easy of measurement. Limitations and aspects for further research are also discussed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».