Comparing ice and temperature simulations by four dynamic lake models in Harp Lake: past performance and future predictions
Notice bibliographique
Résumé
Abstract The physical dynamics of lake temperature and ice phenology are important in the modelling and management of temperate aquatic ecosystems. One‐dimensional hydrothermal lake models have not been well evaluated in terms of how they simulate ice dynamics in particular. We chose four models (Hostetler, Minlake, Simple Ice Model or SIM and General Lake Model) to test and compare their performance modelling water temperature and ice dynamics using 16 years of field data from Harp Lake, an extensively studied inland lake in south‐central Ontario. Each model produced satisfactory water temperature profiles over the simulated period, with small differences in the model performance. Model fits for ice phenology and ice thickness were, however, considerably lower than those for water temperature, with Minlake generating the best agreement with observed ice‐on and ice‐off dates as well as ice thickness, followed by SIM. The responses of lake ice dynamics to future climate scenarios were simulated by running each of the four models for 91 years, from 2010 to 2100. The predicted decrease in ice season length was significantly different among models, varying between 30 and 81 days, with an average of 48 days. Corresponding decreases in ice thickness varied between 0.11 and 0.20 m, averaging 0.17 m. This study demonstrates that uncertainty due to model performance and selection is considerable, and further testing and refinement of hydrothermal lake dynamic models are needed to improve predictive abilities for ice dynamics. Copyright © 2014 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 ».