Évaluation des processus hydrométéorologiques dans le bassin versant de la rivière des Outaouais durant la saison de neige en utilisant le Modèle régional canadien du climat
Bibliographic record
Abstract
Cette étude vise à évaluer la capacité du Modèle régional canadien du climat (MRCC) à reproduire les principaux processus hydrométéorologiques durant la saison de neige dans le bassin versant de la rivière des Outaouais (BVRO). L'accent est mis sur les principales caractéristiques du couvert de neige comme le début et la fin de la période de neige, et le maximum de la couverture. Quatre simulations de cinq ans couvrant septembre 2015 à août 2020 sont comparées à des données à haute résolution provenant de stations météorologiques, de données satellitaires et de produits de réanalyse. Une des simulations est basée sur la cinquième version du MRCC (le MRCC5) à une résolution horizontale de 12 km, tandis que les trois autres proviennent du MRCC6/GEM5, la version actuellement en développement au Centre ESCER (UQAM, Québec). Parmi les simulations du MRCC6/GEM5, l’une d’entre elles possède une résolution horizontale de 12 km, tandis que les deux autres ont une résolution de 2,5 km et utilisent des paramètres différents pour le pilotage du modèle aux frontières. Il s’avère que, sur le BVRO, la moyenne des données de SWE des produits ERA5, ERA5-Land et SNODAS se compare bien aux données de SWE provenant des instruments automatiques GMON. De plus, les résultats montrent que, quelles que soient la configuration ou la version du modèle, les simulations analysées sous-estiment à la fois la durée du manteau de neige et le maximum annuel de SWE. Dans le cas de la version MRCC5, la durée totale du couvert de neige est sous-estimée de 9 jours (5 %) et le maximum annuel de SWE, de 39 mm (22 %). Dans le cas du MRCC6/GEM5, les simulations sous-estiment en moyenne la durée de 17 jours (22 %) et le maximum annuel de SWE, de 54 mm (30 %). Cependant, les causes de cette sous-estimation varient d'une simulation à l'autre, en particulier en fonction de la version du modèle. La sous-estimation du SWE par le MRCC5 est principalement due à des taux d'évaporation/sublimation trop élevés par rapport aux observations, tandis que les simulations MRCC6/GEM5 sous-estiment principalement le SWE en raison de biais de température, notamment une température minimale trop élevée pendant la période d'accumulation. L'augmentation de la résolution horizontale n'a pas eu d'impact significatif sur la simulation du SWE, les cycles annuels de SWE étant similaires entre MRCC6/GEM5 à 12 km et à 2.5 km pilotés par ERA5. Cependant, des différences ont été observées dans les biais de température. Les simulations pilotées par ERA5 ont montré de meilleures performances globales. Cette étude souligne la nécessité de corriger les biais de température et de précipitation dans les modèles climatiques, en particulier dans les régions froides comme celles de la province du Québec, où la neige joue un rôle majeur dans le bilan hydrologique. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : modèle régional canadien du climat, équivalent en eau de la neige, évaluation de modèle
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".