MétaCan
Menu
← Retour à la cohorte
Enregistrement W4242596168 · doi:10.5194/hess-2016-82

Satellite-Derived Light Extinction Coefficient and its Impact on Thermal Structure Simulations in a 1-D Lake Model

2016· preprint· en· W4242596168 sur OpenAlexfundno aff
Kiana Zolfaghari, Claude Duguay, Homa Kheyrollah Pour

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSatelliteMolar absorptivityEnvironmental scienceMean squared errorExtinction (optical mineralogy)Atmospheric sciencesRemote sensingMeteorologyGeologyMathematicsPhysicsMineralogyStatisticsOptics

Résumé

récupéré en direct d'OpenAlex

Abstract. One essential optical parameter to specify in lake models is water clarity, which is parameterized based on the light extinction coefficient (Kd). A global constant value of Kd is usually specified in lake models. One-dimensional (1-D) lake models are most often used as lake parameterization schemes in numerical weather prediction and regional climate models. This study aimed to improve the performance of the 1-D Freshwater Lake (FLake) model using satellite-derived Kd for Lake Erie. The CoastColour algorithm is applied to MERIS satellite imagery to estimate Kd and evaluated against Kd derived from Secchi disk depth (SDD) field-based measurements collected during Lake Erie cruises. A good agreement is found between field and satellite-derived Kd (RMSE = 0.63 m-1, MBE = −0.09 m-1, I_a = 0.65) (in situ data was collected in 2004, 2005, 2008, 2011, 2012). The constant (0.2 m-1) and satellite-derived Kd values as well as radiation fluxes and meteorological station observations are then used to run FLake at the location of a buoy where lake surface water temperature (LSWT) was measured in 2008. Results improved compared to using a constant Kd value (0.2 m-1) (lake-specific yearly average Kd value: RMSE = 1.54 ºC, MBE = −0.08 ºC; constant Kd value: RMSE = 1.76 ºC, MBE = −1.26 ºC). No significant improvement is found in FLake simulated LSWT when Kd variations in time are considered using a monthly average. Therefore, results suggest that a time-independent, lake-specific, and constant satellite-derived Kd value can reproduce LSWT with sufficient accuracy. A sensitivity analysis is also performed to assess the impact of various Kd values on the simulation of mean water column temperature (MWCT), mixed layer depth (MLD), water temperature isotherms as well as ice dates and thickness. Results show that FLake is sensitive to variations in Kd to estimate the thermal structure of Lake Erie. Dark waters result in warmer spring and colder fall temperatures compare to clear waters. Dark waters always produce warmer MWCT, shallower MLD, longer ice cover duration, and thicker ice. The sensitivity of FLake to Kd variations is more pronounced in the simulation of MWCT and MLD. The model is particularly sensitive to Kd values below 0.5 m-1. This is the first study to assess the value of integrating Kd from the satellite-based CoastColour algorithm into the FLake model. Satellite-derived Kd is found to be a useful input parameter for simulations with FLake and possibly other lake models, and with potential for applicability to other lakes where Kd is not commonly measured.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,177

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,233
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMarine and coastal ecosystems→Travaux en français237 207→