MétaCan
Menu
Retour à la cohorte
Enregistrement W2163791520 · doi:10.4319/lo.2012.57.1.0043

Three‐dimensional simulation of lake and ice dynamics during winter

2011· article· en· W2163791520 sur OpenAlexaffabout
Ali Oveisy, Leon Boegman, J. Imberger

Notice bibliographique

RevueLimnology and Oceanography · 2011
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensQueen's University
Organismes subventionnairesNational Oceanic and Atmospheric Administration
Mots-clésSnowGeologyLatitudeArctic ice packMelt pondEnvironmental scienceClimatologySea iceAtmospheric sciencesSea ice thicknessGeomorphology

Résumé

récupéré en direct d'OpenAlex

An ice‐formation algorithm is implemented in the three‐dimensional Estuary and Lake Computer Model, to allow simulation of hydrodynamics and the thermal structure beneath the ice during winter. The one‐dimensional governing equation of heat conduction among the three layers of white ice, blue ice, and snow is solved for the formation of ice cover considering the heat flux through air and water. This algorithm is applied independently in each grid cell within the simulation domain, allowing for spatially variable ice formation. The model was validated against observed data from both a large and a small Canadian mid‐latitude lake (Lake Ontario and Harmon Lake, respectively). The lake surface temperature and the distribution and thickness of ice cover on Lake Ontario were predicted successfully during the 2006–2007 winter period. The model also accurately simulated spring 2007 temperature profiles, as typically used for the initial conditions for a summer simulation. The variation of ice and snow thickness, and vertical temperature profiles, were well‐simulated for Harmon Lake during winter 1990–1991. These comparisons demonstrate the applicability of the model for year‐round simulation of mid‐latitude lakes of varying size.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,186
Score d'incertitude au seuil0,370

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,188
Écart entre enseignants0,178 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations61
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLimnology and OceanographyMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207