Evaluation of Simulated Snow and Snowmelt Timing in the Community Land Model Using Satellite‐Based Products and Streamflow Observations
Notice bibliographique
Résumé
The purpose of this study was to evaluate snow and snowmelt simulated by version 4 of the Community Land Model (CLM4). We performed uncoupled CLM4 simulations, forced by Modem-Era Retrospective Analysis for Research and Applications Land-only (MERRA-Land) meteorological fields. GlobSnow snow cover fraction (SCF), snow water equivalent (SWE) and satellite-based passive microwave (PMW) snowmelt-off day of year (MoD) data were used to evaluate SCF, SWE, and snowmelt simulations. Simulated runoff was then fed into a river routing scheme and evaluation was performed at 408 snow-dominated catchments using gauge observations. CLM4 and GlobSnow snow cover extent showed a strong agreement, especially during the peak snow cover months. Overall there was a good correlation between simulated and observed SWE (correlation coefficient, R = 0.6). Simulated and observed SWE were similar over areas with relatively flat terrain and moderate forest density. The simulated MoD agreed (MoD differences (CLM4-PMW) = +/-7 days) with observations over 39.4% of the study domain. Snowmelt-off occurred earlier in the model compared to the observations over 39.5 % of the domain and later over 21.1% of the domain. Large differences of MoD were seen in the areas with complex terrain and dense forest cover. We also found that, although streamflow seasonal phase was accurately modeled (R=0.9), the peaks controlled by snowmelt were underestimated. Routed CLM4 streamflow tended to occur early (by 10 days on average).
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 | 0,003 | 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 ».