MétaCan
Menu
← Retour à la cohorte
Enregistrement W2964201893 · doi:10.5194/tc-2019-113

Metamorphism of Arctic marine snow during the melt season.Impact on albedo

2019· article· en· W2964201893 sur OpenAlexafffund
Gauthier Vérin, Florent Dominé, Marcel Babin, Ghislain Picard, Laurent Arnaud

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversité Laval
Organismes subventionnairesInstitut Polaire Français Paul Emile VictorCentre National d’Etudes SpatialesAgence Nationale de la RechercheArcticNet
Mots-clésSnowpackAlbedo (alchemy)SnowAtmospheric sciencesSnow fieldSea iceEnvironmental scienceSnowmeltIce-albedo feedbackArcticFreezing pointClimatologyGeologyCryosphereSea ice thicknessSnow coverGeomorphologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract. The energy budget of Arctic sea ice is strongly affected by the snow cover. Intensive sampling of snow properties was conducted near Qikiqtarjuak in Baffin Bay on typical landfast sea ice during two melt seasons in 2015 and 2016. The sampling included stratigraphy, vertical profiles of snow specific surface area (SSA), density and surface spectral albedo. Both seasons feature four main phases: I) dry snow cover, II) surface melting, III) ripe snowpack and IV) melt pond formation. Each of them was characterized by distinctive physical and optical properties. Highest SSA of 49.3 m2 kg−1 was measured during phase I on surface windslab together with a high broadband albedo of 0.87. The next phase was marked by alternative episodes of surface melting which dramatically decreased the SSA below 3 m2 kg−1 and episodes of snowfall reestablishing the pre-melt conditions. Albedo was highly time variable especially in the near-infrared with minimum values around 0.45 at 1000 nm. At some point, the melt progressed leading to a fully ripe snowpack composed of clustered rounded grains in phase III. Albedo began to decrease in the visible as snow thickness decreased but remained steady at longer wavelengths. Moreover, its spatial variability clearly appeared for the first time following snow depth heterogeneity. The impacts on albedo of both snow SSA and thickness were quantitatively investigated using a radiative transfer model. Comparisons between albedo measurements and simulations show that our data on snow physical properties are relevant for radiative transfer modeling. They also point out to the importance of the properties of the very surface snow layer for albedo computation, especially during phase II when several distinctive layers of snow superimposed following snowfalls, melt or diurnal cycles.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,005
Tête enseignante GPT0,195
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 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'étudeObservationnel
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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→