Simulation of Preferential Flow in Snow With a 2‐D Non‐Equilibrium Richards Model and Evaluation Against Laboratory Data
Notice bibliographique
Résumé
Abstract Recent studies of water flow through dry porous media have shown progress in simulating preferential flow propagation. However, current methods applied to snowpacks have neglected the dynamic nature of the capillary pressure, such as conditions for capillary pressure overshoot, resulting in a rather limited representation of the water flow patterns through snowpacks observed in laboratory and field experiments. Indeed, previous snowmelt models using a water entry pressure to simulate preferential flow paths do not work for natural snowpack conditions where snow densities are less than 380 kg m−3. Because preferential flow in snowpacks greatly alters the flow velocity and the timing of delivery of meltwater to the base of a snowpack early in the melt season, a better understanding of this process would aid hydrological predictions. This study presents a 2‐D water flow through snow model that solves the non‐equilibrium Richards equation. This model, coupled with random perturbations of snow properties, can represent realistic preferential flow patterns. Using 1‐D laboratory data, two model parameters were linked to snow properties and model boundary conditions. Parameterizations of these model parameters were evaluated against 2‐D snowpack observations from a laboratory experiment, and the resulting model sensitivity to varying inputs and boundary conditions was calculated. The model advances both the physical understanding of and ability to simulate water flow through snowpacks and can be used in the future to parameterize 1‐D snowmelt models to incorporate flow variations due to preferential flow path formation.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».