The Role of Climate and Lake Size in Regulating the Ice Phenology of Boreal Lakes
Notice bibliographique
Résumé
Abstract We quantified the relationships between seasonal air temperatures and ice phenology for a 0.54 km2 boreal lake in Northwestern Ontario, Canada using a 50‐year time series (1970–2019). Significant temporal trends in the duration of ice cover (−4.0 days decade−1) occurred over the study period and both ice‐on and ice‐off dates were highly predictable from seasonal air temperatures. While temporal trends in ice‐off dates were not significant, ice‐on dates trended later by 2.2 days decade−1, and both ice‐off dates and the duration of ice‐cover became increasingly variable over the study period. For three consecutive winter seasons, we also evaluated regional variations of ice‐phenology and snow and ice‐thickness from 9 to 30 boreal lakes across a lake size gradient (0.02–26 km2) using ground based and satellite observations. Regional variation of ice‐on dates (30–45 days), ice‐off dates (10–21 days), and total duration of ice‐cover (22–38 days) between lakes displayed significant nonlinear relationships to lake size across all years. Regional variation of ice‐off dates was structured according to lake size, and appeared driven by relationships between lake size, snow thickness, and ice thickness. Multiple linear regression and generalized additive modeling approaches to predict ice‐on and ice‐off dates at the regional scale by integrating the effects of air temperature and lake size had similar performance, explaining >90% of the variance of observed.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».