Parameter calibration and uncertainty analysis for snow depths from the NASA Eulerian Snow On Sea Ice Model and derived sea ice thickness from ICESat-2
Notice bibliographique
Résumé
Snow on Arctic sea ice plays many, sometimes contrasting roles in Arctic climate feedbacks. During the sea ice growth season, the presence of snow on sea ice can enhance ice growth by increasing the sea ice albedo, or conversely, inhibit sea ice growth by insulating the ice from the cold atmosphere. Furthermore, estimates of snow depth on Arctic sea ice are also a key input for deriving sea ice thickness from altimetry measurements, such as satellite lidar altimetry measurements from ICESat-2. Due to the logistical challenges of making measurements in as remote a region as the Arctic, snow depth on Arctic sea ice is difficult to observationally constrain. The NASA Eulerian Snow On Sea Ice Model (NESOSIM) can be used to provide snow depth and density estimates over Arctic sea ice with pan-Arctic coverage within a relatively simple framework. The latest version of NESOSIM, version 1.1, is a 2-layer model with simple representations of the processes of accumulation, wind packing, loss due to blowing snow, and redistribution due to sea ice motion. Relative to version 1.0, NESOSIM 1.1 features an extended model domain, and reanalysis snowfall input scaled to observed snowfall retrieved from CloudSat satellite radar reflectivity measurements. In this work, we present a systematic calibration, and an accompanying estimate in the uncertainty of the free parameters in NESOSIM, targeting airborne snow radar measurements from Operation IceBridge. We further investigate uncertainties in snow depth and the resulting uncertainties in derived sea ice thickness from ICESat-2 altimetry measurements using NESOSIM snow depths.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».