Evaluation of dynamically downscaled near-surface mass and energy fluxes for three mountain glaciers, British Columbia, Canada
Notice bibliographique
Résumé
Abstract. Most models of glacier melt are forced by observed meteorological data in the vicinity of the glacier in question. In the absence of these observations, the forcing is commonly derived from statistical or dynamical downscaling of low resolution reanalysis datasets. Here we perform dynamical downscaling via the Weather Research and Forecasting (WRF) model in order to evaluate its performance against the observations from automatic weather stations (AWSs ) for three mountain glaciers in the interior of British Columbia, Canada over several summer seasons. The WRF model, nested within the ERA-Interim global reanalysis, produced output fields at 7.5 km and 2.5 km spatial resolution for all glaciers, as well as 1 km resolution for one of the glaciers. We find that the surface energy balance (SEB) model, forced by WRF at 2.5 km, adequately simulates the AWS-derived seasonal melt rates despite large biases in the individual SEB components. Overestimation of the number of clear sky days in WRF at 2.5 km explains the positive bias in the seasonal incoming shortwave radiation. This positive bias, however, is compensated by a negative bias in the seasonal incoming longwave radiation, and by an underestimation of sensible and latent heat fluxes. The underestimation of sensible heat fluxes down to −80 % of AWS-derived fluxes, as calculated by the bulk aerodynamic method, is due to the underestimated near-surface wind speeds. An increase of WRF spatial resolution from 7.5 to 1 km does not improve the simulation of downscaled variables other than near-surface air temperature. For relatively small glaciers (
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».