Modeling the Dynamics of Supraglacial Rivers and Distributed Meltwater Flow With the Subaerial Drainage System (SaDS) Model
Notice bibliographique
Résumé
Abstract Meltwater produced at the surface of glaciers and ice sheets has important implications for basal sliding rates and therefore ice flow velocities. In order to determine the role of supraglacial water in ice dynamics and predict future changes, we first need to understand and be able to accurately predict moulin input rates. To this end, we present the Subaerial Drainage System (SaDS) model. SaDS is a dynamic model that couples supraglacial runoff in the bare‐ice ablation zone in a distributed sheet with flow in discrete channels. Flow in the distributed sheet drives melt through potential energy dissipation, allowing a channel network to form naturally with no prior assumptions about channel locations. We apply the model to a synthetic ice sheet margin and carry out a suite of sensitivity tests. Modeled moulin inputs show expected behaviors including large diurnal variability, multi‐hour lags following peak surface melt, and demonstrate complex and diverse seasonal dynamics. The sensitivity tests illustrate the range of possible model behaviors and constrain the parameter values for which the model predicts physically realistic moulin inputs. We also apply the model to a ∼20 × 27 km 2 catchment on the southwestern Greenland Ice Sheet using RACMO melt forcing and previously mapped moulin locations. Modeled supraglacial lake and stream locations match those mapped from Landsat 8 images, and moulin inputs show varied daily and seasonal dynamics. These results demonstrate that the model is a promising tool to provide moulin inputs for subglacial and ice dynamic studies.
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 | 0,001 | 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) | 0,000 | 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 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 ».