Performance of precipitation phase partitioning methods and their impact on snowpack evolution in a humid continental climate
Notice bibliographique
Résumé
Abstract Accurate estimations of the precipitation phase at the surface are critical for hydrological and snowpack modelling in cold regions. Precipitation phase partitioning methods (PPMs) vary in their ability to estimate the precipitation phase at around 0°C and can significantly impact simulations of snowpack accumulation and melt. The goal of this study is to evaluate PPMs of varying complexity using high‐quality observations of precipitation phase and to assess the impact on snowpack simulations. We used meteorological data collected in Edmundston, New Brunswick, Canada, during the 2021 Saint John River Experiment on Cold Season Storms (SAJESS). These data were combined with manual observations of snow depth. Five PPMs commonly used in hydrological models were tested against observations from a laser‐optical disdrometer and a Micro Rain Radar. Most PPMs produced similar accuracy in estimating only rainfall and snowfall. Mixed precipitation was the most difficult phase to predict. The multi‐physics model Crocus was then used to simulate snowpack evolution and to diagnose model sensitivity to snowpack accumulation processes (PPM, snowfall density, and snowpack compaction). Sixteen snowpack accumulation periods, including nine warm accumulation events (average temperatures above −2°C) were observed during the study period. When considering all accumulation events, simulated changes in snow water equivalent (SWE) were more sensitive to the type of PPM used, whereas simulated changes in snow depth were more sensitive to uncertainties in snowfall density. Choice of PPM was the main source of model sensitivity for changes in SWE and snow depth when only considering warm events. Overall, this study highlights the impact of precipitation phase estimations on snowpack accumulation at the surface during near‐0°C conditions.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 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 ».