Glacier fragmentation effects on surface energy balance and runoff: field measurements and distributed modelling
Notice bibliographique
Résumé
Abstract In order to assess glacier runoff to the Upper Columbia River Basin (UCRB) and quantify energy balance effects of tributary‐trunk detachment due to recession, we used field observations to develop a distributed melt model of Shackleton Glacier, Canadian Rockies. Field data were derived from meteorological stations, ablation and snowline measurements, and weather observations between 2004 and 2010. Katabatic wind speed and direction were linked to terrain heat advection and irradiance, potentially resulting in significant cross‐glacier gradients in melt. A geographic information system‐based distributed melt model, using standard energy balance components, was developed for the 2010 melt season. Benchmark model parameterisations were derived for clear, cloudy and overcast days. Novel model parameterisations include terrain irradiance using a sky view factor and an albedo mask, and a katabatic wind ‘switch’ with valley temperature thresholds. Modelled energy balance components suggest significant sensitivities to terrain irradiance and katabatic wind, in part related to cloudiness. Glacier‐wide melt decreased by 10–15% when katabatic wind was turned off, with an interesting spatial pattern. Longwave radiation from valley walls increased local melt up to 30%, but net glacier‐wide effects were <6%. Daily glacier melt was 0.1–0.8 million m 3 w.e. day −1 and peaked in early August. Net 2010 planar‐area melt was 38–50 million m 3 w.e., depending on cold storage, whereas slope‐corrected‐area melt was ~4% higher. Our results indicate that katabatic wind and terrain are important in calculations of ablation in fragmenting glacier systems and that late‐summer glacier contribution to UCRB runoff at Mica Dam is ~25%. Copyright © 2012 John Wiley & Sons, Ltd.
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 | 0,000 | 0,000 |
| 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 ».