SnowPappus v1.0, a blowing-snow model for large-scale applications of the Crocus snow scheme
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 operational snow modelling systems towards 100–500 m resolutions requires representing this process at these resolutions over large domains and entire snow seasons. We developed SnowPappus, a parsimonious blowing-snow model coupled to the state-of-the-art Crocus snow model able to cope with these requirements. SnowPappus simulates blowing-snow occurrence, horizontal transport flux and sublimation rate at 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 the French Alps. Evaluations showed that SnowPappus performs as well as the currently operational scheme SYTRON in terms of blowing-snow occurrence detection, while the latter does not give access to spatialized information. Evaluation of the simulated suspension fluxes highlighted a strong sensitivity to the suspended particle's terminal fall speed. Proper calibrations allow 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 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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».