The impact of urban heat island on snow properties and stratigraphy in the Moscow region
Notice bibliographique
Résumé
The urban heat island (UHI) effect is common in large cities during both summer and winter. In winter, heat is not only retained by infrastructure, buildings, and roads, but also actively released during their use, with substantial losses to the surrounding environment. This leads to higher urban temperatures compared to nearby rural areas. While the phenomenon is well documented, its impact on snow cover properties remains understudied. In this study, we examine the influence of the UHI on snow cover by comparing snow properties and stratigraphy between an urban site (Moscow) and adjacent rural site (Khotkovo) over the 2014–2022 period. Our methodology included in-situ measurements of snow depth and density, analysis of meteorological station data on snow depth, temperature and precipitation, and satellite-based assessment of land surface temperature using MODIS (MOD11A1) imagery. Results show that snow cover duration was shorter at the urban site due to later onset and earlier melt. Despite slightly higher winter precipitation in Moscow, snow depth and snow water equivalent were consistently lower than in Khotkovo. Urban snowpacks had higher average density. Stratigraphic analysis revealed thicker melt-freeze layers in Moscow and thinner layers of faceted crystals and depth hoar compared to the rural site. These findings highlight the role of the urban heat island in altering snow cover properties and stratigraphy. They provide valuable insights for improving snowpack modeling and assessing hydrological and ecological conditions in urban environments.
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 | 0,000 |
| 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 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 ».