Time‐Domain Reflectometry Measurements and Modeling of Firn Meltwater Infiltration at DYE‐2, Greenland
Notice bibliographique
Résumé
Surface meltwater can be retained in an ice sheet if it infiltrates the firn and refreezes. This is an important mass balance process for the Greenland Ice Sheet, reducing meltwater runoff and associated sea-level rise. The processes of meltwater infiltration and refreezing are not fully understood, however, and remain difficult to monitor remotely. We deployed vertical arrays of thermistors and time-domain reflectometry (TDR) probes to 4-m depth in the firn to continuously monitor meltwater infiltration and refreezing processes at DYE-2, Greenland. The observations provide a detailed picture of the coupled thermal and hydrological evolution of the firn through the 2016 melt season, including estimates of firn water content. The thaw and wetting fronts reached a maximum depth of 1.8 m, with meltwater infiltration concentrated in four main pulses of melting and subsurface warming that reached progressively deeper into the firn. The observations were used to constrain a coupled model of firn thermodynamics and hydrology, which was then run over the period 1950-2020, driven by meteorological forcing from GC-Net station data and ERA5 climate reanalyses. Model results suggest that decadal-scale firn evolution at DYE-2 is strongly influenced by extreme melt seasons such as those of 1968, 2012, and 2019, when meltwater infiltration reached depths of 6-7 m. Extreme melt years drive increases in firn temperature, ice content, and density, reducing firn meltwater retention capacity. Such processes are likely to govern future meltwater retention as the percolation zone extends to higher elevations in Greenland in the coming decades.
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 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 | 0,002 | 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 | 0,000 | 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) | 0,002 | 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 tête enseignante, 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 ».