On Estimating Avalanche Danger From Simulated Snow Profiles
Notice bibliographique
Résumé
Estimating avalanche danger is the primary goal of avalanche warning services. Typically avalanche danger is estimated based on a variety of information such as manual snow profiles, avalanche observations as well as weather data. However, this required information is often not available especially in data sparse areas, which are common in Canada. It has been shown that coupled snow cover and numerical weather prediction models can provide such information on the snow cover. For this study we simulated the snow cover for three elevation bands – alpine, tree-line, below tree-line – at Glacier National Park, B.C., Canada for the winter season 2012-2013 between December and March. Snow cover simulations were performed using the Swiss snow cover model SNOWPACK forced by weather data from the Canadian high-resolution numeric weather prediction model GEM-LAM. Experienced forecasters estimated the regional avalanche danger (Low to Extreme) daily during the same period for the three elevation bands. Multivariate classification trees were used to estimate the avalanche danger from the simulated profiles. Classification trees were built using four parameters derived from the simulated profiles. These four parameters were the new snow amounts – maximum over 24-hours and 3-days – as well as measures for the likelihood of triggering and the expected avalanche size – based on a skier stability index and the depth of a critical layer. A comparison of the avalanche danger estimated from the simulated profiles with the forecasted avalanche danger showed that the avalanche danger was estimated correctly with an accuracy of 77% for the alpine, 76% for tree-line and 70% below tree-line – overall accuracy about 74%. Although the simulated avalanche danger tends to be slightly underestimated, especially for the alpine and treeline, such a model chain can be a valuable tool for avalanche warning services especially for data sparse areas.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».