Estimating Snow Mass and Peak River Flows for the Mackenzie River Basin Using GRACE Satellite Observations
Notice bibliographique
Résumé
Flooding is projected to increase with climate change in many parts of the world. Floods in cold regions are commonly a result of snowmelt during the spring break-up. The peak river flow (Qpeak) for the Mackenzie River, located in northwest Canada, is modelled using the Gravity Recovery and Climate Experiment (GRACE) satellite observations. Compared with the observed Qpeak at a downstream hydrometric station, the model results have a correlation coefficient of 0.83 (p < 0.001) and a mean absolute error of 6.5% of the mean observed value of 28,400 m3·s−1 for the 12 study years (2003–2014). The results are compared with those for other basins to examine the difference in the major factors controlling the Qpeak. It was found that the temperature variations in the snowmelt season are the principal driver for the Qpeak in the Mackenzie River. In contrast, the variations in snow accumulation play a more important role in the Qpeak for warmer southern basins in Canada. The study provides a GRACE-based approach for basin-scale snow mass estimation, which is largely independent of in situ observations and eliminates the limitations and uncertainties with traditional snow measurements. Snow mass estimated from the GRACE data was about 20% higher than that from the Global Land Data Assimilation System (GLDAS) datasets. The model is relatively simple and only needs GRACE and temperature data for flood forecasting. It can be readily applied to other cold region basins, and could be particularly useful for regions with minimal data.
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 | 0,002 | 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) | 0,000 | 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 ».