MétaCan
Menu
Retour à la cohorte
Enregistrement W3183943094 · doi:10.3389/feart.2021.675681

Surface Mass-Balance Gradients From Elevation and Ice Flux Data in the Columbia Basin, Canada

2021· article· en· W3183943094 sur OpenAlexafffundabout
Ben M. Pelto, Brian Menounos

Notice bibliographique

RevueFrontiers in Earth Science · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCryospheric studies and observations
Établissements canadiensUniversity of Northern British ColumbiaUniversity of British Columbia
Organismes subventionnairesHakai InstituteBC HydroCanada Research ChairsTula FoundationPacific Institute for Climate SolutionsNatural Sciences and Engineering Research Council of CanadaUniversity of Northern British Columbia
Mots-clésGlacierElevation (ballistics)Glacier mass balanceSnowFlux (metallurgy)GeologyAtmospheric sciencesClimatologyGeomorphologyMathematicsGeometryChemistry

Résumé

récupéré en direct d'OpenAlex

The mass-balance—elevation relation for a given glacier is required for many numerical models of ice flow. Direct measurements of this relation using remotely-sensed methods are complicated by ice dynamics, so observations are currently limited to glaciers where surface mass-balance measurements are routinely made. We test the viability of using the continuity equation to estimate annual surface mass balance between flux-gates in the absence of in situ measurements, on five glaciers in the Columbia Mountains of British Columbia, Canada. Repeat airborne laser scanning surveys of glacier surface elevation, ice penetrating radar surveys and publicly available maps of ice thickness are used to estimate changes in surface elevation and ice flux. We evaluate this approach by comparing modeled to observed mass balance. Modeled mass-balance gradients well-approximate those obtained from direct measurement of surface mass balance, with a mean difference of +6.6 <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="m1"><mml:mo>±</mml:mo></mml:math> 4%. Regressing modeled mass balance, equilibrium line altitudes are on average 15 m higher than satellite-observations of the transient snow line. Estimates of mass balance over flux bins compare less favorably than the gradients. Average mean error (+0.03 <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="m2"><mml:mo>±</mml:mo></mml:math> 0.07 m w.e.) between observed and modeled mass balance over flux bins is relatively small, yet mean absolute error (0.55 <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="m3"><mml:mo>±</mml:mo></mml:math> 0.18 m w.e.) and average modeled mass-balance uncertainty (0.57 m w.e.) are large. Mass conservation, assessed with glaciological data, is respected (when estimates are within 1σ uncertainties) for 84% of flux bins representing 86% of total glacier area. Uncertainty on ice velocity, especially for areas where surface velocity is low (&amp;lt;10 m a −1 ) contributes the greatest error in estimating ice flux. We find that using modeled ice thicknesses yields comparable modeled mass-balance gradients relative to using observations of ice thickness, but we caution against over-interpreting individual flux-bin mass balances due to large mass-balance residuals. Given the performance of modeled ice thickness and the increasing availability of ice velocity and surface topography data, we suggest that similar efforts to produce mass-balance gradients using modern high-resolution datasets are feasible on larger scales.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,225
Score d'incertitude au seuil0,274

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,205
Écart entre enseignants0,188 · 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 tête enseignante, 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

Citations11
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Earth ScienceMême sujetCryospheric studies and observationsTravaux en français237 207