Naturally triggered persistent deep slab avalanches in western Canada Part II: weather trends from model forecasts
Notice bibliographique
Résumé
ABSTRACT For 175 difficult-to-forecast persistent deep slab avalanches, weather data were obtained from Global Environmental Multiscale (GEM) models produced by Environment Canada. The focus was to determine critical parameters and thresholds for avalanche forecasting from GEM and compare them with weather station data analyzed in Part I (Conlan and Jamieson, this issue). The high-resolution GEM-limited-area model (2.5 km resolution) forecasted higher median precipitation amounts than both the lower-resolution GEM15 (15 km resolution) and weather stations within a small dataset. Air temperatures were lower for both weather models compared with the weather station data, likely because of elevation differences. A multivariate classification tree created with GEM15 data correctly classified 29 of 36 avalanches by their primary cause-of-release, using a primary split of modelled solar warming of 5.9°C, 10 cm into the snowpack. For all 175 avalanches, GEM15 forecasted significantly less precipitation than observed at the weather stations, particularly with multi-day cumulative amounts. The majority of GEM15 surface wind speeds were between 0 and 10 km h −1 , producing negligible wind loading amounts. The parameter values may be helpful for predicting future persistent deep slab avalanches. However, GEM output is not always representative of field conditions and should be used in conjunction with other sources.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».