A One‐Dimensional Lake Model in ECCC's Land Surface Prediction System
Notice bibliographique
Résumé
Abstract In most of Environment and Climate Change Canada's (ECCC) current operational systems, inland water physical processes are simulated using a simple water scheme. Water surface temperatures and ice cover fractions are updated daily using analyses. However, ECCC recognizes the need for interactive lakes in its weather and environmental prediction systems, such as those used to forecast surface conditions and floods. As a first step toward this goal, the current study evaluates the impact of the Canadian Small Lake Model (CSLM) in an offline context on surface water temperature, ice phenology and near‐surface atmospheric conditions. The use of CSLM increases lake surface temperatures and decreases its RMSE during ice‐free months, which has a direct impact on the 2‐m air temperature by reducing the cold bias observed in the simulation without CSLM, particularly over larger lakes. CSLM improves ice cover in subgrid lakes, while having a neutral impact on intermediate lakes. On large lakes, CSLM tends to degrade ice cover simulation in southernmost lakes, while improving ice cover in northernmost lakes. The increased lake ice cover in CSLM, particularly over subgrid lakes and in the northern latitudes, has a strong impact on humidity fluxes at the surface during wintertime with a near‐interruption of evapotranspiration over lakes. In summertime, increased water temperature with CSLM leads to a 38% increase in evapotranspiration. With these results, it is expected that the synergy of CSLM and lake‐related observations will improve the simulation and initialization of lake conditions in ECCC's systems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».