Field‐calibrated model of melt, refreezing, and runoff for polar ice caps: Application to Devon Ice Cap
Notice bibliographique
Résumé
Abstract Understanding the controls on the amount of surface meltwater that refreezes, rather than becoming runoff, over polar ice masses is necessary for modeling their surface mass balance and ultimately for predicting their future contributions to global sea level change. We present a modified version of a physically based model that includes an energy balance routine and explicit calculation of near‐surface meltwater refreezing capacity, to simulate the evolution of near‐surface density and temperature profiles across Devon Ice Cap in Arctic Canada. Uniquely, our model is initiated and calibrated using high spatial resolution measurements of snow and firn densities across almost the entire elevation range of the ice cap for the summer of 2004 and subsequently validated with the same type of measurements obtained during the very different meteorological conditions of summer 2006. The model captures the spatial variability across the transect in bulk snowpack properties although it slightly underestimates the flow of meltwater into the firn of previous years. The percentage of meltwater that becomes runoff is similar in both years; however, the spatial pattern of this melt‐runoff relationship is different in the 2 years. The model is found to be insensitive to variation in the depth of impermeable layers within the firn but is very sensitive to variation in air temperature, since the refreezing capacity of firn decreases with increasing temperature. We highlight that the sensitivity of the ice cap's surface mass balance to air temperature is itself dependent on air temperature.
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 | 0,001 | 0,001 |
| 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 ».