Sub-kilometer Precipitation Datasets for Snowpack and Glacier Modeling in Alpine Terrain
Notice bibliographique
Résumé
apturing the spatial and temporal variability of precipitation at fine scale is necessary for high-resolution modeling of snowpack and glacier mass balance in alpine terrain. In this study, we assess the impact of three sub-kilometer precipitation datasets on distributed simulations of snowpack and glacier mass balance with the detailed snowpack model Crocus for winter 2011-2012. The different precipitation datasets at 500-m grid spacing over the northern and central French Alps are coming from (i) the SAFRAN reanalysis specially developed for alpine terrain interpolated at 500-m grid spacing, (ii) the numerical weather prediction (NWP) system AROME at 2.5-km resolution downscaled with a precipitation-elevation adjustment factor and (iii) a version of AROME at 500-m grid spacing. The spatial patterns of seasonal snowfall are first analyzed for the different precipitation datasets. Large differences between SAFRAN and the two versions of AROME are found at high-altitude and in regions of strong orographic precipitation enhancement. Results of Crocus snowpack simulations are then evaluated against (i) point measurements of snow depth, (ii) maps of snow covered areas retrieved from optical satellite data (MODIS) and (iii) field measurements of winter accumulation of six glaciers. The two versions of AROME lead to an overestimation of snow depth and snow-covered area, which are substantially improved by SAFRAN. However, all the precipitation datasets lead to an underestimation of snow depth increase at the daily scale and cumulated over the season, with AROME 500 m providing the best performances at the seasonal scale. The low correlation found between the biases in snow depth and in cumulated snow depth increase illustrates that total snow depth has a limited significance for the evaluation of precipitation datasets. Measurements of glacier winter mass balance showed a systematic underestimation of high-elevation snow accumulation with SAFRAN. The two versions of AROME overestimate the winter mass balance at four glaciers and produce nearly unbiased estimation for two of them. Our study illustrates the need for improvements in the precipitation field from high-resolution NWP systems for snow and glacier modeling in alpine terrain.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».