Comment on gmd-2023-43
Notice bibliographique
Résumé
Abstract. Wind-induced snow transport has a strong influence on snow spatial variability especially at spatial scales between 1 and 500 m in alpine environments. Thus, the evolution of snow modelling systems towards 100–500 m resolutions requires representing this process. We developed SnowPappus, a parsimonious blowing snow model coupled to the Crocus state-of-the-art snow model, able to be operated over large domains and entire snow seasons. SnowPappus simulates blowing snow occurrence, horizontal transport flux and sublimation rate on each grid cell as a function of 2D atmospheric forcing and snow surface properties. Then, it computes a mass balance using an upwind scheme to provide eroded or accumulated snow amounts to Crocus. Parameterizations used to represent the different processes are described in detail and discussed against existing literature. A point-scale evaluation of blowing snow fluxes was conducted, mainly at the Col du Lac Blanc observatory in French Alps. Blowing snow occurrence evaluation showed SnowPappus performs as well as a currently operational scheme. Evaluation of the simulated suspension fluxes highlighted a strong sensitivity to the suspended particles terminal fall speed. Proper calibrations allows the model to reproduce the correct order of magnitude of the mass flux in the suspension layer. Numerical performances of gridded simulations of Crocus coupled with SnowPappus were assessed, showing the feasibility of using it for operational snow forecast at the scale of the entire French Alps.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,020 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,190 | 0,176 |
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 ».