Spatial and temporal variation of bulk snow properties in northern borealand tundra environments based on extensive field measurements
Notice bibliographique
Résumé
Abstract. An extensive in situ data set of snow depth, snow water equivalent (SWE), and snow density collected in support of the European Space Agency (ESA) SnowSAR-2 airborne campaigns in northern Finland during the winter of 2011–2012 is presented (ESA Earth Observation Campaigns data 2000–2016). The suitability of the in situ measurement protocol to provide an accurate reference for the simultaneous airborne SAR (synthetic aperture radar) data products over different land cover types was analysed in the context of spatial scale, sample spacing, and uncertainty. The analysis was executed by applying autocorrelation analysis and root mean square difference (RMSD) error estimations. The results showed overall higher variability for all the three bulk snow parameters over tundra, open bogs and lakes (due to wind processes); however, snow depth tended to vary over shorter distances in forests (due to snow–vegetation interactions). Sample spacing/sample size had a statistically significant effect on the mean snow depth over all land cover types. Analysis executed for 50, 100, and 200 m transects revealed that in most cases less than five samples were adequate to describe the snow depth mean with RMSD < 5 %, but for land cover with high overall variability an indication of increased sample size of 1.5–3 times larger was gained depending on the scale and the desired maximum RMSD. Errors for most of the land cover types reached ∼ 10 % if only three measurements were considered. The collected measurements, which are available via the ESA website upon registration, compose an exceptionally large manually collected snow data set in Scandinavian taiga and tundra environments. This information represents a valuable contribution to the snow research community and can be applied to various snow studies.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| 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 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 ».