Evaluation of the Soil, Vegetation, and Snow (SVS) Land Surface Model for the Simulation of Surface Energy Fluxes and Soil Moisture under Snow-Free Conditions
Notice bibliographique
Résumé
The recently developed Soil, Vegetation, and Snow (SVS) land surface model is being progressively implemented at Environment and Climate Change Canada (ECCC) for operational numerical weather and hydrological predictions. The objective of this study is to evaluate the ability of SVS, in offline point-scale mode and under snow-free conditions, to simulate the surface heat fluxes and soil moisture when compared to flux tower observations and simulations from the Canadian Land Surface Scheme (CLASS), used here as a benchmark model. To do this, we performed point-scale simulations of between 4 and 12 years of data records at six selected sites of the FLUXNET network under arid, Mediterranean and tropical climates. At all sites, SVS shows realistic simulations of latent heat flux, sensible heat flux and net radiation. Soil heat flux is reasonably well simulated for the arid sites and one Mediterranean site and poorly simulated for the tropical sites. On the other hand, surface soil moisture was reasonably well simulated at the arid and Mediterranean sites and poorly simulated at the tropical sites. SVS performance was comparable to CLASS not only for energy fluxes and soil moisture, but also for more specific processes such as evapotranspiration and water balance.
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) | 0,000 | 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 ».