MétaCan
Menu
Retour à la cohorte
Enregistrement W2936025891 · doi:10.5194/hess-24-697-2020

Multimodel simulation of vertical gas transfer in a temperate lake

2020· article· en· W2936025891 sur OpenAlexaffabout
Sofya Guseva, Tobias Bleninger, Klaus Jöhnk, Bruna Arcie Polli, Zeli Tan, Wim Thiery, Qianlai Zhuang, James A. Rusak, Huaxia Yao, Andreas Lorke, Victor Stepanenko

Notice bibliographique

RevueHydrology and earth system sciences · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensMinistry of Environment
Organismes subventionnairesRussian Science Foundation
Mots-clésEnvironmental scienceBiogeochemical cycleTRACERTemperate climateAtmospheric sciencesGreenhouse gasSnowEddy diffusionDiffusionWater columnThermal diffusivityClimatologyMeteorologyTurbulenceGeologyOceanographyChemistryEcology

Résumé

récupéré en direct d'OpenAlex

Abstract. In recent decades, several lake models of varying complexity have been developed and incorporated into numerical weather prediction systems and climate models. To foster enhanced forecasting ability and verification, improvement of these lake models remains essential. This especially applies to the limited simulation capabilities of biogeochemical processes in lakes and greenhouse gas exchanges with the atmosphere. Here we present multi-model simulations of physical variables and dissolved gas dynamics in a temperate lake (Harp Lake, Canada). The five models (ALBM, FLake, LAKE, LAKEoneD, MTCR-1) considered within this most recent round of the Lake Model Intercomparison Project (LakeMIP) all captured the seasonal temperature variability well. In contrast, none of the models is able to reproduce the exact dates of ice cover and ice off, leading to considerable errors in the simulation of eddy diffusivity around those dates. We then conducted an additional modeling experiment with a diffusing passive tracer to isolate the effect of the eddy diffusivity on gas concentration. Remarkably, sophisticated k−ε models do not demonstrate a significant difference in the vertical diffusion of a passive tracer compared to models with much simpler turbulence closures. All the models simulate less intensive spring overturn compared to autumn. Reduced mixing in the models consequently leads to the accumulation of the passive tracer distribution in the water column. The lake models with a comprehensive biogeochemical module, such as the ALBM and LAKE, predict dissolved oxygen dynamics adequate to the observed data. However, for the surface carbon dioxide concentration the correlation between modeled (ALBM, LAKE) and observed data is weak (∼0.3). Overall our results indicate the need to improve the representation of physical and biogeochemical processes in lake models, thereby contributing to enhanced weather prediction and climate projection capabilities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,651
Score d'incertitude au seuil0,565

Scores Codex et Gemma par catégorie

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

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 Opus0,023
Tête enseignante GPT0,212
Écart entre enseignants0,189 · 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 tête enseignante, 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

Citations60
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHydrology and earth system sciencesMême sujetMarine and coastal ecosystemsTravaux en français237 207