Optimization of over-summer snow storage at mid-latitude and low elevation
Notice bibliographique
Résumé
Abstract. Climate change, including warmer winter temperatures, a shortened snowfall season, and more rain-on-snow events, threatens nordic skiing as a sport. In response, over-summer snow storage, attempted primarily using wood chip insulation, has been successfully employed as a climate change adaptation strategy by high elevation and/or high latitude ski centers in Europe and Canada. Such storage has never been attempted at low-elevation, mid-latitude sites nor have studies quantified snowmelt rate through the summer or correlated snow melt rate with environmental characteristics including ground and air temperature, humidity, wind, and solar radiation. Such data, along with tests of different insulation strategies, are needed to optimize snow storage strategies. Here, we assess the melt rates of two snow piles (each ~ 200 m3) emplaced during spring 2018 in Craftsbury, Vermont (45° N and 360 m asl). We monitored volume change over the melt season using terrestrial laser scanning. We continually logged air-to-snow temperature gradients under different insulating layers including rigid foam, open cell foam, and wood chips both with and without an underlying insulating blanket and an overlying reflective cover. We also measured ground temperatures to a meter depth both under and adjacent to the snow piles and used a snow tube to measure snow density. Snow volume of the two piles changed similarly over the summer, with minimum rates of change (−0.29 m3 day-1 and −0.88 m3 day-1) in September and maximum volumetric loss rates in July of −1.98 m3 day-1 and −2.81 m3 day-1. Snow density changed little over time indicating that most volume reduction was the result of melting. Wet wood chips underlain by an insulating blanket and covered with a reflective cover was the most effective combination for minimizing melt, likely because the surface reflected incoming shortwave radiation while the wet wood chips provided significant thermal mass, allowing much of the energy absorbed during the day to be lost as blackbody radiation at night. Together, the data we collected demonstrate the feasibility of over-summer snow storage even at mid latitudes and low altitudes and suggest efficient insulation strategies.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».