Montane Seasonal and Elevational Precipitation Gradients in the Southern Rockies of Alberta, Canada
Notice bibliographique
Résumé
ABSTRACT Modelling precipitation inputs in mountainous terrain is challenging for water resource managers given sparse monitoring sites and complex physical hydroclimatic processes. Government of Alberta weather station uncorrected and bias‐corrected precipitation datasets were used to examine elevational precipitation gradients (EPGs) and seasonality of EPGs for six South‐Saskatchewan River headwater sites (alpine, sub‐alpine, valley). January EPG from valley to alpine sites (730 m elevation difference) using uncorrected precipitation was 19 mm/100 m. Corrected EPG was approximately three times greater (61 mm/100 m). The valley received more precipitation than the alpine (inverse EPG) in late spring and summer. A seasonal signal was present whereby all sites demonstrated 50%–70% lower summertime precipitation relative to winter months, with the greatest seasonal variance at the alpine site. Winter watershed‐level spatialized precipitation volume was compared to modelled snow water equivalent (SWE) associated with two late‐winter airborne lidar surveys. Uncorrected volumes (2020: 64.0 × 106m3, 2021: 63.2 × 106m3) were slightly higher than modelled mean SWE (2020: 51.6 × 106m3, 2021: 44.2 × 106m3) whereas bias‐corrected (2020: 120.5 × 106m3, 2021: 119.7 × 106m3) almost doubled the estimate. Corrected precipitation is assumed closer to the true value. Cumulative sublimation, evaporation and snowmelt losses result in ground‐level snowpack yield that deviates from total atmospheric precipitation in an increasingly negative manner. The 2020/2021 simulations suggest wintertime atmospheric precipitation exceeds late‐winter snowpack accumulation by up to 57% and 63%, respectively. A loss of 16 × 106m3 (7%) watershed SWE from the alpine zone was partially attributed to redistribution downslope to the treeline‐ecotone. Physical snowpack losses from sublimation and melt, or modelling uncertainty due to precipitation correction and alpine snow‐density uncertainties can also contribute to observed discrepancies between in situ SWE and cumulative precipitation. Ignoring bias‐correction in headwater precipitation estimates can greatly impact headwater precipitation volume estimates and ignoring EPG seasonality is likely to result in under‐estimated winter and over‐estimated summer yields.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».