Frequency and distribution of winter melt events from passive microwave satellite data in the pan-Arctic, 1988–2013
Notice bibliographique
Résumé
Abstract. This study presents an algorithm for detecting winter melt events in seasonal snow cover based on temporal variations in the brightness temperature difference between 19 and 37 GHz from satellite passive microwave measurements. An advantage of the passive microwave approach is that it is based on the physical presence of liquid water in the snowpack, which may not be the case with melt events inferred from surface air temperature data. The algorithm is validated using in situ observations from weather stations, snowpit surveys, and a surface-based passive microwave radiometer. The results of running the algorithm over the pan-Arctic region (north of 50º N) for the 1988–2013 period show that winter melt days are relatively rare averaging less than 7 melt days per winter over most areas, with higher numbers of melt days (around two weeks per winter) occurring in more temperate regions of the Arctic (e.g. central Quebec and Labrador, southern Alaska, and Scandinavia). The observed spatial pattern was similar to winter melt events inferred with surface air temperatures from ERA-interim and MERRA reanalysis datasets. There was little evidence of trends in winter melt frequency except decreases over northern Europe attributed to a shortening of the duration of the winter period. The frequency of winter melt events is shown to be strongly correlated to the duration of winter period. This must be taken into account when analyzing trends to avoid generating false increasing trends from shifts in the timing of the snow cover season.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».