Variational Computation of Sensible and Latent Heat Flux over Lake Superior
Notice bibliographique
Résumé
Abstract Sensible and latent heat fluxes over Lake Superior are computed using a variational approach with a Bowen ratio constraint and inputs of 7 years of half-hourly temporal resolution observations of hydrometeorological variables over the lake. In an advancement from previous work focusing on the sensible heat flux, in this work computations of the latent heat flux are required so that a new physical constraint of the Bowen ratio is introduced. Verifications are made possible for fluxes predicted by a Canadian operational coupled atmosphere–ocean model due to recent availabilities of observed and model-predicted fluxes over Lake Superior. The observed flux data with longer time periods and higher temporal resolution than those used in previous studies allows for the examination of detailed performances in computing these fluxes. Evaluations utilizing eddy-covariance measurements over Lake Superior show that the variational method yields higher correlations between computed and measured sensible and latent heat fluxes than a flux-gradient method. The variational method is more accurate than the flux-gradient method in computing these fluxes at annual, monthly, daily, and hourly time scales. Under both unstable and stable conditions, the variational method considerably reduces mean absolute errors produced by the flux-gradient approach in computing the fluxes. It is demonstrated with 2 months of data that the variational method obtains higher correlation coefficients between the observed and the computed sensible and latent heat fluxes than the coupled model predicted, and yields lower mean absolute errors than the coupled model. Furthermore, comparisons are made between the coupled-model-predicted fluxes and the fluxes computed based on three buoy observations over Lake Superior.
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 | 0,001 | 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 ».