Effect of Digital Elevation Model Resolution on the Simulation of the Snow Cover Evolution in the High Atlas
Notice bibliographique
Résumé
Abstract The snow melt from the High Atlas represents a crucial water resource for crop irrigation in the semiarid regions of Morocco. Recent studies have used assimilation of snow cover area data from high‐resolution optical sensors to compute the snow water equivalent and snow melt in other mountain regions. These techniques however require large model ensembles, and therefore it is a challenge to determine the adequate model resolution that yields accurate results with reasonable computation time. Here we study the sensitivity of an energy balance model to the resolution of the model grid for a pilot catchment in the High Atlas. We used a time series of 8‐m resolution snow cover area maps with an average revisit time of 7.5 days to evaluate the model results. The digital elevation model was generated from Pléiades stereo images and resampled from 8 to 30, 90, 250, 500, and 1,000 m. The results indicate that the model performs well from 8 to 250 m but the agreement with observations drops at 500 m. This is because significant features of the topography were too smoothed out to properly characterize the spatial variability of meteorological forcing, including solar radiation. We conclude that a resolution of 250 m might be sufficient in this area. This result is consistent with the shape of the semivariogram of the topographic slope, suggesting that this semivariogram analysis could be used to transpose our conclusion to other study regions.
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 | 0,002 | 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 ».