On the Discretization of Richards Equation in Canadian Land Surface Models
Notice bibliographique
Résumé
Both the Canadian Land Surface Scheme (CLASS) and the Soil, Vegetation, and Snow (SVS) land surface models employ a potentially problematic discretization of Richards equation for unsaturated vertical flow in the soil column. It is shown here that this discretization will always overestimate the vertical moisture gradient compared to a better-constructed first-order scheme, which under some circumstances could lead to erroneous moisture drawdown. The problem stems from an interpolation calculation on the irregularly spaced grids traditionally used by these models. While vanishing on uniform grids, this numerical error progressively worsens with increasing layer thickness differences. In this brief technical note a systematic method for developing first and higher order schemes on irregular, staggered grids is presented. To demonstrate the potential impact of the new first – order scheme, multi-year simulations of five FLUXNET sites are presented and discussed. A dramatic improvement in first layer soil moisture is found for two of the sites, which contributes to potentially significant differences in evapotranspiration. Higher order schemes are also possible but must be constructed carefully, in concert with a judicious choice of soil layer spacing in order to minimize discretization error. Given the extensive use of CLASS and SVS in Canadian environmental prediction systems, and the freedom with which users can specify soil layer thicknesses, it is recommended that modellers consider this issue carefully in their applications.
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 | 0,000 | 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 | 0,000 | 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 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 ».