Regional influence of ocean–atmosphere teleconnections on the timing and duration of MODIS-derived snow cover in British Columbia, Canada
Notice bibliographique
Résumé
Abstract. We use the twice-daily Moderate Resolution Imaging Spectroradiometer (MODIS) snow cover product to study the regional influence of the Oceanic Niño Index (ONI) and Pacific Decadal Oscillation (PDO) on snow cover in British Columbia (BC). We apply a locally weighted regression (LOWESS) interpolation to the MODIS normalized difference snow index (NDSI) time series to detect the timing and duration of snow. We confirm the general consensus from many previous in situ studies that both ONI and PDO have significant impacts on snow cover in BC. We add to this knowledge by performing seasonal and regional analysis using established hydrozones and explore variation in our results by elevation bins of 500 m. We calibrated our method with in situ snow water equivalent (SWE) data and found an optimal NDSI threshold of 30 for detecting continuous snow cover. We separate automatic snow weather station data into calibration (75 %) and validation (25 %) subsets and obtain mean absolute errors between the MODIS and in situ observations for the start, end, and duration of 8.7, 8.9, and 13.1 d for the calibration data and 12.7, 12.6, and 16.6 d for the validation data, respectively. In general, the start date of snow is poorly correlated with both ONI and PDO, whereas the end date and duration are strongly negatively correlated. Regional patterns emerge wherein northern and southern BC are most correlated with the PDO and the ONI, respectively. These relationships are generally stronger at lower elevations and vary spatially. This study demonstrates that the suitability of ocean–atmosphere teleconnections as predictors of the timing and duration of snow varies throughout BC.
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) | 0,002 | 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 ».