MétaCan
Menu
Retour à la cohorte
Enregistrement W3022353725 · doi:10.5194/hess-24-2083-2020

Satellite-derived products of solar and longwave irradiances used for snowpack modelling in mountainous terrain

2020· article· en· W3022353725 sur OpenAlexaff
Louis Quéno, Fatima Karbou, Vincent Vionnet, Ingrid Dombrowski-Etchevers

Notice bibliographique

RevueHydrology and earth system sciences · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesCenter for Neuroscience and Regenerative MedicineAgence Nationale de la Recherche
Mots-clésSnowpackEnvironmental scienceLongwaveSatelliteShortwaveSnowClimatologyForcing (mathematics)IrradianceMeteorologySolar irradianceTerrainAtmospheric sciencesRemote sensingRadiative transferGeographyGeology

Résumé

récupéré en direct d'OpenAlex

In mountainous terrain, the snowpack is strongly affected by incoming shortwave and longwave radiation. In this study, a thorough evaluation of the solar and longwave downwelling irradiance products (DSSF and DSLF) derived from the Meteosat Second Generation satellite was undertaken in the French Alps and the Pyrenees. The satellite-derived products were compared with forecast fields from the meteorological model AROME and with analysis fields from the SAFRAN system. A new satellite-derived product (DSLFnew) was developed by combining satellite observations and AROME forecasts. An evaluation against in situ measurements showed lower errors for DSSF than AROME and SAFRAN in terms of solar irradiances. For longwave irradiances, we were not able to select the best product due to contrasted results falling in the range of uncertainty of the sensors. Spatial comparisons of the different datasets over the Alpine and Pyrenean domains highlighted a better representation of the spatial variability of solar fluxes by DSSF and AROME than SAFRAN. We also showed that the altitudinal gradient of longwave irradiance is too strong for DSLFnew and too weak for SAFRAN. These datasets were then used as radiative forcing together with AROME near-surface forecasts to drive distributed snowpack simulations by the model Crocus in the French Alps and the Pyrenees. An evaluation against in situ snow depth measurements showed higher biases when using satellite-derived products, despite their quality. This effect is attributed to some error compensations in the atmospheric forcing and the snowpack model. However, satellite-derived irradiance products are judged beneficial for snowpack modelling in mountains, when the error compensations are solved.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,223
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHydrology and earth system sciencesMême sujetCryospheric studies and observationsTravaux en français237 207