Snow Depth on Sea Ice and on Land in the Canadian Arctic from Long-Term Observations
Notice bibliographique
Résumé
Intra-annual and decadal observations of snow depth on sea ice and on terrestrial land are examined within the Canadian Arctic. In situ snow depth measurements at 11 study sites spanning 1955–2019 form the basis of the analysis. Ice chart data acquired via the Canadian Ice Service are used to establish sea ice break-up and freeze-up dates and assess their impact on snow depth evolution. We find that on-ice and on-land snow accumulation in autumn differ due to the lag between the freeze-up and the first snow of the season. Once sea ice consolidates, on-ice and on-land snow depth become positively correlated in winter (p < 0.05). The mean seasonal rate of snow accumulation on sea ice from September to April is 3.2 ± 0.6 cm month−1 across the Canadian Arctic. Snow depth on terrestrial land is generally higher than on sea ice in the southern Canadian Arctic by up to 20–30 cm; but snow depth on sea ice tends to exceed that on land in the northern Canadian Arctic from winter to spring. Four sites (Eureka, Resolute, Cambridge Bay and Hall Beach) with continuous long-term records are selected for interannual analysis. Decadal trends in on-ice snow depth are mostly negative from autumn to spring. Autumn and spring snowfall have increased at three of the four sites. The Canadian Arctic experiences warming on a decadal scale, especially in autumn, by 0.5 to 0.8°C decade−1. Sea ice freeze-up is delayed by up to 2.5 days decade−1 in the southern Canadian Arctic, whereas break-up occurs earlier by about 3 days decade−1 in the northern Canadian Arctic.
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 | 0,000 | 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) | 0,001 | 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 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 ».