Développement d’une méthodologie de sous-maillage pour un modèle de prévisions météorologiques haute-résolution dans le cadre de la télédétection du manteau neigeux alpin au Parc national des glaciers, Colombie-Britannique, Canada
Bibliographic record
Abstract
L'Équivalent en Eau Liquide (EEN) est une variable clé dans les études climatiques et hydrologiques. La plupart des produits d’EEN à l’échelle du globe masquent les zones à la topographie prononcée du fait de la faible résolution spatiale des capteurs micro-onde passif utilisés. Ainsi, la communauté scientifique pousse actuellement pour le développement de capteurs micro-onde actif pour le suivi de l’EEN. Cependant, concevoir un algorithme du signal radar en EEN n'est pas trivial car plusieurs combinaisons de microstructures du manteau neigeux et de valeur d'EEN peuvent produire le même coefficient de rétrodiffusion radar. La communauté converge donc vers des approches bayésiennes d'inversion du signal nécessitant une information a priori sur la structure du manteau neigeux. Cependant, la neige varie fortement dans l'espace et le temps, en particulier dans les environnements montagneux où la topographie complexe affecte de nombreuses manières les variables atmosphériques et d'état du manteau neigeux. D'autre part, il est impensable de couvrir le territoire de stations météorologiques automatiques, et les systèmes de prévisions météorologiques numériques à haute résolution ont une résolution maximale de 2,5 km × 2,5 km, ce qui est trop grossier pour capturer la variabilité spatiale de la neige en montagne. Dans cette étude, nous avons conçu une méthode de sous-maillage pour le Système à haute résolution de prévision déterministe (du sigle HRDPS en anglais). La méthodologie développée permet de sous-mailler les prévisions originales HRDPS (2,5 km × 2,5 km de résolution spatiale) à une résolution de 100 m × 100 m. Ces grilles sous-maillées sont ensuite utilisées comme données de forçage météorologique pour la modélisation de la neige sur deux hivers dans le parc national des Glaciers, en Colombie-Britannique. Dans l'ensemble, l’algorithme de sous-échantillonnage a permis d’améliorer le biais de la taille optique des grains simulé de 18 % et l'EEN modélisée de 16 % en moyenne par rapport aux simulations basées sur les prévisions brutes du HRDPS. En bout de ligne, ce travail pourrait conduire à une amélioration potentielle de 7 dB de la modélisation du coefficient de rétrodiffusion radar, fournissant ainsi l'information a priori nécessaire pour un algorithme bayésien d'inversion de l'EEN.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".