Review article: Performance assessment of radiation-based field sensors for monitoring the water equivalent of snow cover (SWE)
Notice bibliographique
Résumé
Continuous and spatially distributed data of snow mass (water equivalent of snow cover, SWE) from automatic ground-based measurements are increasingly required for climate change studies and for hydrological applications (snow hydrological-model improvement and data assimilation). We present and compare four new-generation sensors, now commercialized, that are non-invasive and based on different radiations that interact with snow for SWE monitoring: cosmic-ray neutron probe (CRNP), gamma ray monitoring (GMON) scintillator, frequency-modulated continuous-wave radar (FMCW radar) at 24 GHz and global navigation satellite system (GNSS) receivers (GNSSr). All four techniques have relatively low power requirements, provide continuous and autonomous SWE measurements, and can be easily installed in remote areas. A performance assessment of their advantages, drawbacks and uncertainties is discussed from experimental comparisons and a literature review. Relative uncertainties are estimated to range between 9 % and 15 % when compared to manual in situ snow surveys that are also discussed. Results show the following. (1) CRNP can be operated in two modes of functioning: beneath the snow, it is the only system able to measure very deep snowpacks ( > 2000 mm w.e.) with reasonable uncertainty across a wide range of measurements; CRNP placed above the snow allows for SWE measurements over a large footprint (∼ 20 ha) above a shallow snowpack. In both cases, CRNP needs ancillary atmospheric measurements for SWE retrieval. (2) GMON is the most mature instrument for snowpacks that are typically up to 800 mm w.e. Both CRNP (above snow) and GMON are sensitive to surface soil moisture. (3) FMCW radar needs auxiliary snow-depth measurements for SWE retrieval and is not recommended for automatic SWE monitoring (limited to dry snow). FMCW radar is very sensitive to wet snow, making it a very useful sensor for melt detection (e.g., wet avalanche forecasts). (4) GNSSr allows three key snowpack parameters to be estimated simultaneously: SWE (range: 0–1000 mm w.e.), snow depth and liquid water content, according to the retrieval algorithm that is used. Its low cost, compactness and low mass suggest a strong potential for GNSSr application in remote areas.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».