MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415697470 · doi:10.5194/egusphere-2025-4540

Version 3.0 of the Crocus snowpack model

2025· article· W4415697470 sur OpenAlexaff
Matthieu Lafaysse, Marie Dumont, Basile de Fleurian, Mathieu Fructus, Rafife Nheili, Léo Viallon-Galinier, Matthieu Baron, Aaron Boone, Axel Bouchet, Julien Brondex, Carlo Maria Carmagnola, Bertrand Cluzet, Kévin Fourteau, Ange Haddjeri, Pascal Hagenmuller, Giulia Mazzotti, Marie Minvielle, Samuel Morin, Louis Quéno, Léon Roussel, Pierre Spandre, François Tuzet, Vincent Vionnet

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesH2020 European Research Council
Mots-clésSnowpackSnowMultiphysicsStability (learning theory)Process (computing)CrocusAbsorption (acoustics)

Résumé

récupéré en direct d'OpenAlex

This article presents a comprehensive description of the 3.0.2 stable release of the Crocus snowpack model in the SURFEX modelling platform. It synthesizes and harmonizes a number of equations disseminated in various previous publications, introduces a number of unpublished parameterizations and includes new developments implemented since 2012. Among the novelties, an explicit representation of the evolution of impurity mass in snow (e.g. black carbon, mineral dust) allows representing their impact on solar radiation absorption in the snowpack at different wavelengths and their feedback on all snowpack properties. The model also allows the formation of surface ice layers due to freezing rain. In addition, Crocus is coupled to the MEB “big-leaf” vegetation scheme and can therefore be applied in forested areas. A module for snow management can also be optionally activated to simulate the snowpack on ski slopes in ski resorts. The model can be coupled with various blowing snow schemes. The MEPRA expert system which analyses the mechanical stability of the simulated snowpack has been implemented directly within SURFEX. For each physical process represented by empirical parameterizations, several new parameterizations from the literature were implemented. The different combinations of these parameterizations constitute the ESCROC multiphysics ensemble model. It allows the quantification of simulations uncertainty for various applications. Finally, a technical solution was proposed for externalized applications allowing the use of the scheme in other Land Surface Models. The paper also reviews the available scientific evaluations and applications of the model. It describes its numerical efficiency and the main scientific and technical challenges providing guidance for the future of snow modelling.

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: Simulation ou modélisation
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,006

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 Opus0,015
Tête enseignante GPT0,217
Écart entre enseignants0,202 · 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
GenreLogiciel

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

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCryospheric studies and observations→Travaux en français237 207→