MétaCan
Menu
← Retour à la cohorte
Enregistrement W4396567948 · doi:10.24124/2024/59480

Estimation of snow water equivalent in mountainous terrain using airborne laser altimetry and empirical modelling, Coast Mountains, B.C., Canada

2024· dissertation· en· W4396567948 sur OpenAlexaboutno aff
Sergio Vazquez Tagle Gallegos

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSnowTerrainAltimeterWater equivalentEstimationRemote sensingPhysical geographyGeologyEnvironmental scienceClimatologyGeographyMeteorologyCartographyEngineering

Résumé

récupéré en direct d'OpenAlex

This research aims to enhance scholarly understanding of snow dynamics, the remotely sensed snowpacks, and the calculation of basin-wide snow water equivalent in mountainous terrain. Mountain snow is a critical source of meltwater. However, forecasting snow distributions and total water equivalence in mountain basins is limited due to complex terrain, challenging environmental conditions, and lack of observations. Laser altimetry can provide detailed observations of snow depth, but an estimate of snow density is required to evaluate the total basin water equivalence. This study uses laser altimetry surveys and empirically modelled snow densities to estimate mountainous basin-wide snow-water equivalent (SWE). Between 2017 and 2020, seven laser altimeter surveys during late winter and spring were conducted in the LaJoie Basin, Coast Mountains, British Columbia (B.C.), a strategic hydroelectric power reservoir. The laser-derived snow depths averaged between 1.4 and 2.1 m for non-glacierized terrain, while glacierized terrain weighted averages ranged between 2.2 and 5.4 m. The laser-derived depths were combined with empirical snow density models to derive distributed SWE for the Lajoie Basin. Ten linear and three non-linear snow density empirical models were tested and developed, from which (a) a snow course multi-parameter, non-linear relation and (b) snow pillow robust (Huber loss) linear regressions yielded this study’s lowest root mean squared errors (51.65 and 74.12 kg m-3, respectively). For non-glacierized terrain, the multi-parameter, non-linear model produced basin-wide SWE averages between 0.56 and 1.06 m.w.e. and propagated uncertainties from ± 0.1 to ± 0.14 m.w.e. Conversely, glacierized terrain exhibited weighted SWE averages between 0.82 and 2.93 m.w.e., with estimates of uncertainty ranging from ± 0.31 to ± 0.52 m.w.e. The robust linear regressions yielded non-glacierized SWE averages from 0.49 to 0.92 m.w.e., with uncertainties between ± 0.14 and ± 0.2 m.w.e. The weighted SWE averages in glacierized terrain ranged between 0.77 and 1.92 m.w.e., with estimates of uncertainty between ± 0.29 and ± 0.45 m.w.e. The SWE estimates from lidar and modelled density are comparable to snow pillow observations at the watershed, which demonstrates the effectiveness of these coupled techniques and improves our forecasting capabilities.,

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,268
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCryospheric studies and observations→Travaux en français237 207→