The firn meltwater Retention Model Intercomparison Project (RetMIP): evaluation of nine firn models at four weather station sites on the Greenland ice sheet
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. Perennial snow, or firn, covers 80 % of the Greenland ice sheet and has the capacity to retain surface meltwater, influencing the ice sheet mass balance and contribution to sea-level rise. Multilayer firn models are traditionally used to simulate firn processes and estimate meltwater retention. We present, intercompare and evaluate outputs from nine firn models at four sites that represent the ice sheet's dry snow, percolation, ice slab and firn aquifer areas. The models are forced by mass and energy fluxes derived from automatic weather stations and compared to firn density, temperature and meltwater percolation depth observations. Models agree relatively well at the dry-snow site while elsewhere their meltwater infiltration schemes lead to marked differences in simulated firn characteristics. Models accounting for deep meltwater percolation overestimate percolation depth and firn temperature at the percolation and ice slab sites but accurately simulate recharge of the firn aquifer. Models using Darcy's law and bucket schemes compare favorably to observed firn temperature and meltwater percolation depth at the percolation site, but only the Darcy models accurately simulate firn temperature and percolation at the ice slab site. Despite good performance at certain locations, no single model currently simulates meltwater infiltration adequately at all sites. The model spread in estimated meltwater retention and runoff increases with increasing meltwater input. The highest runoff was calculated at the KAN_U site in 2012, when average total runoff across models (±2σ) was 353±610 mm w.e. (water equivalent), about 27±48 % of the surface meltwater input. We identify potential causes for the model spread and the mismatch with observations and provide recommendations for future model development and firn investigation.
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.
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 | 0,001 | 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 | 0,001 | 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) | 0,001 | 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 découle