MétaCan
Menu
Retour à la cohorte
Enregistrement W326429589

Daytime long-wave radiation approximation for physical hydrological modelling of snowmelt: a case study of southwestern Ontario

2001· article· en· W326429589 sur OpenAlexaboutno aff
Steven R. Fassnacht, K. R. Snelgrove, E. D. Soulis

Notice bibliographique

RevueIAHS-AISH publication · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésShortwave radiationCloud coverSnowmeltEnvironmental scienceDaytimeMeteorologyCloud fractionShortwaveRadiationCloud computingStreamflowAtmospheric sciencesClimatologyFraction (chemistry)GeologyGeographyRadiative transferSnowPhysicsDrainage basinComputer scienceCartography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Since incoming long-wave radiation is not routinely measured in Canada, when it is required as a meteorological parameter, such as input to a physically-based hydrological model, the data must be derived. These data have been successfully computed as a function of near surface air temperature and cloud cover. However, cloud cover data are also not routinely measured. A method is described to compute the cloud cover fraction, for use to estimate the long-wave radiation, from a comparison of measured to theoretical shortwave radiation at three sites in central southwestern Ontario. The daytime cloud cover fraction is on average slightly more than 0.50. The impact of different long-wave radiation estimates from varying cloud cover fraction assumptions is illustrated in terms of simulated streamflow resulting from snowmelt.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,638
Score d'incertitude au seuil0,729

Scores Codex et Gemma par catégorie

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

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 Opus0,053
Tête enseignante GPT0,252
Écart entre enseignants0,199 · 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 tête enseignante, 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

Citations7
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIAHS-AISH publicationMême sujetHydrology and Watershed Management StudiesTravaux en français237 207