A study of turbulent fluxes and their measurement errors for different wind regimes over the tropical Zongo Glacier (16° S) during the dry season
Notice bibliographique
Résumé
Abstract. Over glaciers in the outer tropics, during the dry winter season, turbulent fluxes are an important sink of melt energy due to high sublimation rates, but measurements in stable surface layers in remote and complex terrains remain challenging. Eddy-covariance (EC) and bulk-aerodynamic (BA) methods were used to estimate surface turbulent heat fluxes of sensible (H) and latent heat (LE) in the ablation zone of the tropical Zongo Glacier, Bolivia (16° S, 5080 m a.s.l.), from 22 July to 1 September 2007. We studied the turbulent fluxes and their associated random and systematic measurement errors under the three most frequent wind regimes. For nightly, density-driven katabatic flows, and for strong downslope flows related to large-scale forcing, H generally heats the surface (i.e. is positive), while LE cools it down (i.e. is negative). On average, both fluxes exhibit similar magnitudes and cancel each other out. Most energy losses through turbulence occur for daytime upslope flows, when H is weak due to small temperature gradients and LE is strongly negative due to very dry air. Mean random errors of the BA method (6 % on net H + LE fluxes) originated mainly from large uncertainties in roughness lengths. For EC fluxes, mean random errors were due mainly to poor statistical sampling of large-scale outer-layer eddies (12 %). The BA method is highly sensitive to the method used to derive surface temperature from longwave radiation measurements and underestimates fluxes due to vertical flux divergence at low heights and nonstationarity of turbulent flow. The EC method also probably underestimates the fluxes, albeit to a lesser extent, due to underestimation of vertical wind speed and to vertical flux divergence. For both methods, when H and LE compensate each other in downslope fluxes, biases tend to cancel each other out or remain small. When the net turbulent fluxes (H + LE) are the largest in upslope flows, nonstationarity effects and underestimations of the vertical wind speed do not compensate, and surface temperature errors are important, so that large biases on H + LE are expected when using both the EC and the BA method.
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 | 0,000 | 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 ».