Uncertainty Characterization of Ground‐Based, Satellite, and Reanalysis Snow Depth Products Using Extended Triple Collocation
Notice bibliographique
Résumé
Abstract The optimal use of hemispheric‐scale snow depth (SD) products for various hydrometeorological applications requires a comprehensive assessment of their quality. Most previous validation studies of SD products adopted in situ observations as the ground truth, which may cause representativeness errors due to spatial scale mismatch between point‐based ground SD measurements and grid‐based SD products. The extended triple collocation (ETC) technique is a powerful tool to estimate the uncertainty of three independent data sets without assuming any one data source is an error‐free “truth” reference. This study first used the ETC to assess the uncertainty of three types of hemispheric‐scale SD products, including the ground‐based analysis Canadian Meteorological Centre (CMC), the satellite‐based Advanced Microwave Scanning Radiometer 2 (AMSR2), and the model‐based Global Land Data Assimilation System (GLDAS) SD products. Furthermore, the uncertainties of each SD product were analyzed using ETC metrics, that is, the correlation coefficient (R) and error standard deviations (STDs), with respect to several environmental and perturbing factors. Overall, the CMC outperforms the AMSR2 and GLDAS, with a higher R and a smaller STD. Considering multiple environmental and perturbing factors, the poorest performance of the three SD products is mainly found in densely vegetated regions, and they are strongly related to the forest cover fraction and surface roughness. Despite the above factors, the best performance for all three SD products is found over temperate climate regions. The results demonstrate the usefulness of the ETC approach to quantify the uncertainty of SD products particularly in remote regions with sparse in situ measurements.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».