A strategy to represent impacts of subgrid-scale topography on snow evolution in the Canadian Land Surface Scheme
Notice bibliographique
Résumé
ABSTRACT This sensitivity study applies the offline Canadian Land Surface Scheme (CLASS) version 3.6 to simulate snowpack evolution in idealized topography using observations at Likely, British Columbia, Canada over 1 July 2008 to 30 June 2009. A strategy for a subgrid-scale snow (SSS) parameterization is developed to incorporate two key features: ten elevation bands at 100 m intervals to capture air temperature lapse rates, and five slope angles on four aspects to resolve solar radiation impacts on the evolution of snow depth and SWE. Simulations reveal strong elevational dependencies of snow depth and SWE when adjusting temperatures using a moist adiabatic lapse rate with elevation, with 26% peak SWE differences between that at the average elevation versus the mean of the remainder of the elevation bands. Differences in peak SWE on north- and south-facing slopes increase from 3.0 mm at 10° slope to 17.9 mm at 50° slope. When applied to elevation, slope and aspect combinations derived from a high-resolution digital elevation model, elevation dominates the control of peak SWE values. Inclusion of the range of SSS effects into a regional climate model will improve snowpack and hydrological simulations of western North America's snow-dominated, mountainous watersheds.
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) | 0,000 | 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 ».