Ice island thinning: rates and model calibration with in situ observations from Baffin Bay, Nunavut
Notice bibliographique
Résumé
Abstract. A 130 km2 tabular iceberg calved from Petermann Glacier in northwestern Greenland on 5 August 2012. Subsequent fracturing generated many individual large “ice islands”, including Petermann ice island (PII)-A-1-f, which drifted between Nares Strait and the North Atlantic. Thinning caused by basal and surface ablation increases the likelihood that these ice islands will fracture and disperse further, thereby increasing the risk to marine transport and infrastructure as well as affecting the distribution of freshwater from the polar ice sheets. We use a unique stationary and mobile ice-penetrating radar dataset collected over four campaigns to PII-A-1-f to quantify and contextualize ice island surface and basal ablation rates and calibrate a forced convection basal ablation model. The ice island thinned by 4.7 m over 11 months. The majority of thinning (73 %) resulted from basal ablation, but the volume loss associated with basal ablation was ∼12 times less than that caused by areal reduction (e.g. wave erosion, calving, and fracture). However, localized thinning may have influenced a large fracture event that occurred along a section of ice that was ∼40 m thinner than the remainder of the ice island. The calibration of the basal ablation model, the first known to be conducted with field data, supports assigning the theoretically derived value of 1.2×10−5 m2∕5 s-1/5 ∘C−1 to the model's bulk heat transfer coefficient with the use of an empirically estimated ice–ocean interface temperature. Overall, this work highlights the value of systematically collecting ice island field data for analyzing deterioration processes, assessing their connections to ice island morphology, and adequately developing models for operational and research purposes.
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 | 0,000 | 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 ».