Challenges in hydrologic-land surface modelling of permafrost signatures - Impacts of parameterization on model fidelity under the uncertainty of forcing
Notice bibliographique
Résumé
Permafrost plays an important role in the hydrology of arctic/subarctic regions. However, permafrost thaw/degradation has been observed over recent decades in the Northern Hemisphere and is projected to accelerate. Hence, understanding the evolution of permafrost areas is urgently needed. Land surface models (LSMs) are well-suited for predicting permafrost dynamics due to their physical basis and large-scale applicability. However, LSM application is challenging because of the large number of model parameters and the complex memory of state variables. Significant interactions among the underlying processes and the paucity of observations of thermal/hydraulic regimes add further difficulty. This study addresses the challenges of LSM application by evaluating the uncertainty due to meteorological forcing, assessing the sensitivity of simulated permafrost dynamics to LSM parameters, and highlighting issues of parameter identifiability. Modelling experiments are implemented using the MESH-CLASS framework. The VARS sensitivity analysis and traditional threshold-based identifiability analysis are used to assess various aspects of permafrost dynamics for three regions within the Mackenzie River Basin. The study shows that the modeller may face significant trade-offs when choosing a forcing dataset as some datasets enable the representation of some aspects of permafrost dynamics, while being inadequate for others. The results also emphasize the high sensitivity of various aspects of permafrost simulation to parameters controlling surface insulation and soil texture; a detailed list of influential parameters is presented. Identifiability analysis reveals that many of the most influential parameters for permafrost simulation are unidentifiable. These conclusions will hopefully inform future efforts in data collection and model parametrization.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».