Blowing Snow on Arctic Sea Ice: Results from an Improved Sea Ice–Snow–Blowing Snow Coupled System
Notice bibliographique
Résumé
Abstract A one-dimensional (1D) version of a blowing snow model, called PIEKTUK-D, has been incorporated into a snow–sea ice coupled system. Blowing snow results in sublimation of approximately 12 mm of snow water equivalent (SWE), which is equal to approximately 6% of the annual precipitation over 324 days from 1997 to 1998. This effect leads to an average decrease of 9 cm in snow depth for an 11-month simulation of the Surface Heat Budget of the Arctic Ocean (SHEBA) dataset (from 31 October 1997 to 1 October 1998). Inclusion of blowing snow has a significant impact on snow evolution between February and June, during which it is responsible for a decrease in snow depth error by about 30%. Between November and January, however, other factors such as regional surface topography or horizontal wind transport may have had a greater influence on the evolution of the snowpack and sea ice. During these few months the new system does not perform as well, with a snow depth percentage error of 39%—much larger than the 12% error found between February and June. The results also indicate a slight increase of 4 cm on average for ice thickness, and a decrease of 0.4 K for the temperature at the snow–ice interface. One of the main effects of blowing snow is to shorten the duration of snow cover above sea ice by approximately 4 days and to lead to earlier ice melt by approximately 6 days. Blowing snow also has a very small impact on internal characteristics of the snowpack, such as grain size and density, leading to a weaker snowpack.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».