A comparison of simulated and measured lake ice thickness using a Shallow Water Ice Profiler
Notice bibliographique
Résumé
Abstract In northern regions where observational data is sparse, lake ice models are ideal tools as they can provide valuable information on ice cover regimes. The Canadian Lake Ice Model was used to simulate ice cover for a lake near Churchill, Manitoba, Canada throughout the 2008/2009 and 2009/2010 ice covered seasons. To validate and improve the model results, in situ measurements of the ice cover through both seasons were obtained using an upward‐looking sonar device Shallow Water Ice Profiler (SWIP) installed on the bottom of the lake. The SWIP identified the ice‐on/off dates as well as collected ice thickness measurements. In addition, a digital camera was installed on shore to capture images of the ice cover through the seasons and field measurements were obtained of snow depth on the ice, and both the thickness of snow ice (if present) and total ice cover. Altering the amounts of snow cover on the ice surface to represent potential snow redistribution affected simulated freeze‐up dates by a maximum of 22 days and break‐up dates by a maximum of 12 days, highlighting the importance of accurately representing the snowpack for lake ice modelling. The late season ice thickness tended to be under estimated by the simulations with break‐up occurring too early, however, the evolution of the ice cover was simulated to fall between the range of the full snow and no snow scenario, with the thickness being dependant on the amount of snow cover on the ice surface. Copyright © 2011 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 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 ».