Modelling capillary hysteresis effects on preferential flow through melting and cold layered snowpacks
Notice bibliographique
Résumé
Accurate estimation of the amount and timing of water flux through melting snowpacks is important for runoff prediction in cold regions. Most existing snowmelt models only account for one-dimensional matrix flow and neglect to simulate the formation of preferential flow paths. Consideration of lateral and preferential flows has proven critical to improve the performance of soil and groundwater porous media flow models. A two-dimensional physically-based snowpack model that simulates snowmelt, refreezing of meltwater, heat and water flows, and preferential flow paths is presented. The model assumes thermal equilibrium between solid and liquid phases and uses recent snow physics advances to estimate snowpack hydraulic and thermal properties. For the first time, capillary hysteresis is accounted in a snowmelt model. A finite volume method is applied to solve for the 2D coupled heat and mass transfer equations. The model with capillary hysteresis provided better simulations of water suction at the wet to dry snow interface in a wetting snow sample than did a model that only accounted for the boundary drying curve. Capillary hysteresis also improved simulations of preferential flow path dynamics and the snowpack discharge hydrograph. Simulating preferential flow in a subfreezing snowpack allowed the model to generate ice layers, and increased the vertical exchange of energy, thus modelling a faster warming of the snowpack than would be possible without preferential flow. The model is thus capable of simulating many attributes of heterogeneous natural melting snowpacks. These features not only qualitatively improve water flow simulations, but improve the understanding of snowmelt flow processes for both level and sloping terrain, and illuminate how uncertainty in snowmelt-derived runoff calculations might be reduced through the inclusion of more realistic preferential flow through snowpacks.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».