The firn meltwater Retention Model Intercomparison Project (RetMIP): Evaluation of nine firn models at four weather station sites on the Greenland ice sheet
Notice bibliographique
Résumé
Abstract. Perennial snow, or firn, covers 80 % of the Greenland ice sheet and has the capacity to retain part of the surface meltwater, buffering the ice sheet’s contribution to sea level. Multi-layer firn models are traditionally used to simulate the firn processes and estimate meltwater retention. We present the output from nine firn models, forced by weather-station-derived mass and energy fluxes at four sites representative of the dry snow, percolation, ice slab and firn aquifer areas. We compare the model outputs and evaluate them against in situ observations. Models that explicitly account for deep meltwater percolation overestimate percolation depth and consequently firn temperature at the percolation and ice slab sites although they accurately simulate the recharge of the firn aquifer. Models using Darcy's law and a bucket scheme compare favourably to observations at the percolation site but only the Darcy models accurately simulate firn temperature and thus meltwater percolation at the ice slab site. We find that Eulerian models, that transfer firn through fixed layers, smooth sharp gradients in firn temperature and density over time. From the model spread, we find that simulated densities (respectively temperature) have an uncertainty envelope of ±60 kg m−3 (resp. ±14 °C) in the dry snow area and up to ±280 kg m−3 (resp. ±15–18 °C) at warmer sites.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 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 ».