MétaCan
Menu
← Retour à la cohorte
Enregistrement W3109954027 · doi:10.5194/tc-2020-316

Multi-scale spatialization of snow water equivalent (SWE) accordingto their spatial structures in eastern Canada

2020· article· en· W3109954027 sur OpenAlexafffundabout
Noumonvi Yawu Sena, Karem Chokmani, Erwan Gloaguen, Monique Bernier

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesHydro-Québec
Mots-clésSnowSpatial variabilityPhysiographic provinceScale (ratio)Environmental scienceSpatial ecologySurface runoffHydrology (agriculture)Physical geographyClimatologyMeteorologyStatisticsGeologyGeographyMathematicsCartographyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract. The spatial variability of snow plays a key role in snow water storage, spring runoff and hydraulic dam management. The snow survey network unequally distributed ability, to monitoring the spatial variability of the snow cover is limited. The spatial variability of the snow cover is explained by physiographic factors, which generate spatial structures at different scales. The variability of the snow cover is explained by physiographic factors, which generate structures at different scales. These structures of spatial variability of the snow cover were delimited by a functional approach at the local (300 × 300 m) and regional (10 × 10 km) scales on eastern Canada. The territory was segmented into regions, (called spatial structures,) with homogeneous average maximum annual snow water equivalent (SWE). The aim of this paper is to spatialize the average maximum annual snow water equivalent (SWE) according to spatial variability structures at both scales. Initially, at the regional scale, the average maximum annual SWE is estimated using the stepwise regression approach. Secondly, the SWE residuals are estimated using a regression approach on local physiographic meta-variables. The estimated SWE allows quantifying the spatial variability of the average maximum annual SWE for regional and local physiographic factors. Indeed, at the regional scale, the physiographic regional factors explain 68 % of the variance of the spatial variability of the average maximum annual SWE. At the local scale, physiographic factors improve the estimate of the average annual maximum SWE by 21 % (R = 89 %) for an unexplained share of 10 % of the variance. Local physiographic factors reorganize the regional residuals of average maximum annual SWE and contribute to the local variability. This study shows the role of altitude in snow accumulation at the regional scale, where the presence of high mountains increases the amount of rainfall from wet winds. In each geographical area, the highest values of the SWE are related to high mountain peaks. The impact is confirmed at the foothills of the Canadian Shield mountains. At the local scale, the regional residual value was reorganized based on local physiographic factors (slope, forms of catchment, distance to rivers, etc.); this adjustment led to high SWE values in the concave landscape and the ubacs away from sunlight. The SWE accumulation area corresponds to the depressions and concave sections at foothills.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,035
Tête enseignante GPT0,214
Écart entre enseignants0,179 · 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'étudeObservationnel
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

Citations3
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetCryospheric studies and observations→Travaux en français237 207→