On the Arctic near-surface permafrost and climate sensitivities to soil and snow model formulations in climate models
Notice bibliographique
Résumé
This study investigates the sensitivity of the Canadian Regional Climate Model (CRCM5) simulated near surface permafrost and its climate interactions to soil and snow formulations. In particular, sensitivities to the depth of the soil column, inclusion of organic soils and modified snow conductivity formulation are investigated. The impact of these modifications are first assessed in offline simulations performed with the Canadian Land Surface Scheme (CLASS), which is the land surface scheme used in CRCM5, when driven by ERA-40/ERA-Interim for the 1957–2008 period. Analysis of CLASS simulations shows major improvements in the simulated permafrost extent, particularly with a deeper soil column. Inclusion of organic soil decreased the summer ground heat flux and therefore the summer soil temperatures, leading to improvements in the simulated active layer thickness (ALT). The impact of the new snow thermal conductivity formulation is moderate compared to the effect of organic soils, but reduces the cold biases in winter soil temperatures. CRCM5 experiments revealed similar sensitivities to soil depth, organic soil and snow conductivity changes as with the offline simulations. Significant changes are noted in the land–atmosphere interactions, through modified energy and moisture partitioning at the surface resulting from the inclusion of the organic soils. The inter-annual variability of the ALT shows larger sensitivities to summer temperatures for mineral soil while experiments including organic soils show increased sensitivities to annual temperatures. The ALT trends in the CRCM5 are similar to the observed values, despite the overestimation of ALT associated with a warm bias in the CRCM5 climate.
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 | 0,000 |
| 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 | 0,001 | 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 ».