Improving large-scale snow albedo modeling using a climatology of light-absorbing particle deposition
Notice bibliographique
Résumé
Light-absorbing particles (LAPs) deposited at the snow surface significantly reduce its albedo and strongly affect the snowmelt dynamics. The explicit simulation of these effects with advanced snow radiative transfer models is generally associated with a large computational cost. Consequently, many albedo schemes used in snowpack models still rely on empirical parameterizations that do not account for the spatial variability in LAP deposition. In this study, a new strategy of intermediate complexity that includes the effects of spatially variable LAP deposition on snow albedo is tested with the snowpack model Crocus. It relies on an optimization of the snow-darkening coefficient that controls the evolution of snow albedo in the visible range. Optimized values for multi-year snow albedo simulations with Crocus were generated at 10 reference experimental sites spanning a large variety of climates across the world. A regression was then established between these optimal values and the climatological deposition of LAP on snow at the location of the experimental sites extracted from a global climatology developed in this study. This regression was finally combined with the global climatology to obtain an LAP-informed and spatially variable darkening coefficient for the Crocus albedo parameterization. The revised coefficient improved snow albedo simulations at the 10 experimental sites (average reduction in root-mean-square error (RMSE) of 10 %), with the largest improvements found for the sites in the Arctic (RMSE reduced by 25 %). The uncertainties in the values of the snow-darkening coefficient resulting from the inter-annual variability in LAP deposition on snow were computed. This methodology can be applied to other land surface models using the global climatology of LAP deposition on snow developed for this study.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 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 ».