A preliminary assessment of glacier melt-model parameter sensitivity and transferability in a dry subarctic environment
Notice bibliographique
Résumé
Abstract. Efforts to project the long-term melt of mountain glaciers and ice-caps require that melt models developed and calibrated for well studied locations be transferable over large regions. Here we assess the sensitivity and transferability of parameters within several commonly used melt models for two proximal sites in a dry subarctic environment of northwestern Canada. The models range in complexity from a classical degree-day model to a simplified energy-balance model. Parameter sensitivity is first evaluated by tuning the melt models to the output of an energy balance model forced with idealized inputs. This exercise allows us to explore parameter sensitivity both to glacier geometric attributes and surface characteristics, as well as to meteorological conditions. We then investigate the effect of model tuning with different statistics, including a weighted coefficient of determination (wR2), the Nash-Sutcliffe efficiency criterion (E), mean absolute error (MAE) and root mean squared error (RMSE). Finally we examine model parameter transferability between two neighbouring glaciers over two melt seasons using mass balance data collected in the St. Elias Mountains of the southwest Yukon. The temperature-index model parameters appear generally sensitive to glacier aspect, mean surface elevation, albedo, wind speed, mean annual temperature and temperature lapse rate. The simplified energy balance model parameters are sensitive primarily to snow albedo. Model tuning with E, MAE and RMSE produces similar, or in some cases identical, parameter values. In twelve tests of spatial and/or temporal parameter transferability, the results with the lowest RMSE values with respect to ablation stake measurements were achieved twice with a classical temperature-index (degree-day) model, three times with a temperature-index model in which the melt parameter is a function of potential radiation, and seven times with a simplified energy-balance model. A full energy-balance model produced better results than the other models in nine of twelve cases, though the tuning of this model differs from that of the others.
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) | 0,001 | 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 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 ».