Seasonal Snow Extent and Snow Mass in South America Using SMMR and SSM/I Passive Microwave Data (1979-2003)
Notice bibliographique
Résumé
Seasonal snow cover in South America was examined in this study using passive microwave satellite data from the Scanning Multichannel Microwave Radiometer (SMMR) on board the Nimbus-satellite and the Special Sensor Microwave Imagers (SSM/I) on board Defense Meteorological Satellite Program (DMSP) satellites. For the period from 1979-2003, both snow cover extent and snow depth (snow mass) were investigated during coldest months (May-September), primarily in the Patagonia area of Argentina and in Chile. Most of the seasonal snow in South America is in the Patagonia region of Argentina. Since winter temperatures in this region are often above freezing, the coldest winter month was found to be the month having the most extensive snow cover and also usually the month having the deepest snow cover as well. Sharp year-to-year differences were recorded using the passive microwave observations. The average snow cover extent for July, the month with the greatest average snow extent during the 25-year period of record, is 320,700 km(exp 2). In July of 1984, the average monthly snow cover was 701,250 km(exp 2) - the most extensive coverage observed between 1979 and 2003. However, in July of 1989, snow cover extent was only 120 km(exp 2). The 25-year period of record shows a sinusoidal like pattern, though there appears to be no obvious trend in either increasing or decreasing snow extent or snow mass between 1979 and 2003.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».