Dynamics of ice stream temporal variability: Modes, scales, and hysteresis
Notice bibliographique
Résumé
Understanding the mechanisms governing temporal variability of ice stream flow remains one of the major barriers to developing accurate models of ice sheet dynamics and ice‒climate interactions. Here we analyze a simple model of ice stream hydrology coupled to ice flow dynamics and including drainage and basal cooling processes. Analytic and numerical results from this model indicate that there are two major modes of ice stream behavior: steady‒streaming and binge‒purge variability. The steady‒streaming mode arises from friction‒stabilized subglacial meltwater production, which may also activate and interact with subglacial drainage. The binge‒purge mode arises from a sufficiently cold environment sustaining successive cycles of thinning‒induced basal cooling and stagnation. Low prescribed temperature at the ice surface and weak geothermal heating typically lead to binge‒purge behavior, while warm ice surface temperature and strong geothermal heating will tend to produce steady‒streaming behavior. Model results indicate that modern Siple Coast ice streams reside in the binge‒purge parameter regime near a subcritical Hopf bifurcation to the steady‒streaming mode. Numerical experiments exhibit hysteresis in ice stream variability as the surface temperature is varied by several degrees. Our simple model simulates Heinrich event‒like variability in a hypothetical Hudson Strait ice stream including dynamically determined purge time scale, till freezing and basal cooling during the binge phase. These findings are an improvement on studies of both modern and paleo‒ice stream variability and provide a framework for interpreting complex ice flow models.
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 | 0,001 |
| 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 ».