Drifting snow climate of the Greenland ice sheet: a study with a regional climate model
Notice bibliographique
Résumé
Abstract. This paper presents the drifting snow climate of the Greenland ice sheet, using output from a high-resolution (∼11 km) regional climate model. Because reliable direct observations of drifting snow do not exist, we evaluate the modeled near-surface climate instead, using automatic weather station (AWS) observations from the K-transect and find that RACMO2 realistically simulates near-surface wind speed and relative humidity, two variables that are important for drifting snow. Integrated over the ice sheet, drifting snow sublimation (SUds) equals 24 ± 3 Gt yr−1, and is significantly larger than surface sublimation (SUs, 16 ± 2 Gt yr−1). SUds strongly varies between seasons, and is only important in winter, when surface sublimation and runoff are small. A rapid transition exists between the winter season, when snowfall and SUds are important, and the summer season, when snowmelt is significant, which increases surface snow density and thereby limits drifting snow processes. Drifting snow erosion (ERds) is only important on a regional scale. In recent decades, following decreasing wind speed and rising near-surface temperatures, SUds exhibits a negative trend (0.1 ± 0.1 Gt yr−1), which is compensated by an increase in SUs of similar magnitude.
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 | 0,001 | 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 ».