An examination of snow redistribution over smooth land‐fast sea ice
Notice bibliographique
Résumé
Abstract An understanding of temporal evolution of snow on sea ice at different spatial scales is essential for improvement of snow parameterization in sea ice models. One of the problems we face, however, is that long‐term climate data are routinely available for land and not for sea ice. In this paper, we examine the temporal evolution of snow over smooth land‐fast first‐year sea ice using observational and modelled data. Changes in probability density functions indicate that depositional and drifting events control the evolution of snow distribution. Geostatistical analysis suggests that snowdrifts increased over the study period, and the orientation was related to the meteorological conditions. At the microscale, the temporal evolution of the snowdrifts was a product of infilling in the valleys between drifts. Results using two shore‐based climate reporting stations (Paulatuk and Tuktoyuktuk, NWT) suggest that on‐ice air temperature and relative humidity can be estimated using air temperature recorded at either station. Wind speed, direction and precipitation on ice cannot be accurately estimated using meteorological data from either station. The temporal evolution of snow distribution over smooth land‐fast sea ice was modelled using SnowModel and four different forcing regimes. The results from these model runs indicate a lack of agreement between observed distribution and model outputs. The reasons for these results are lack of meteorological measurements prior to the end of January, lack of spatially adequate surface topography and discrepancies between meteorological variables on land and ice. Copyright © 2009 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».