Assimilation of multiple types of snow observations through a large scale spatialized particle filter
Notice bibliographique
Résumé
Particle filtering is interesting for snow data assimilation because of its minimal assumptions. However, implementing a particle filter over a large spatial domain is challenging for many reasons. For instance, the number of required particles rises exponentially as the domain size increases. Another important issue when spatializing a particle filter for snow data assimilation is the creation of spatial discontinuities when resampling the particles at locations where snow observations are available. In this presentation, we will describe how we implemented a spatialized particle filter for snow data assimilation over a large portion of the province of Quebec, Canada (600 000 km2 ). Two different types of snow observations where assimilated with this particle filter: sporadic manual snow surveys, which measure snow water equivalent directly, and continuous automated snow depth observations, which we converted to snow water equivalent using an ensemble of neural networks. We will then explain how a more frequent data assimilation can create unwanted discontinuities and break the spatial structure of the particles, and how we can remediate that by using an adaptation of the Schaake Shuffle reordering method. We will show that this solution significantly reduces the random noise in the distribution of the particles and decreases the uncertainty associated with the estimation. We emphasize that the proposed spatialized particle framework could also eventually accommodate other types of data, such as citizen science data and gamma monitoring data. Overall, the proposed method allows to obtain improved spatial representation of snow water equivalent compared to the previous operational method used by the government of Quebec.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».