Snowfall and snow accumulation during the MOSAiC winter and spring seasons
Notice bibliographique
Résumé
Abstract. Data from the Multidisciplinary drifting Observatory for the Study of Arctic Climate (MOSAiC) expedition allowed us to investigate the temporal dynamics of snowfall, snow accumulation and erosion in great detail for almost the whole accumulation season (November 2019 to May 2020). We computed cumulative snow water equivalent (SWE) over the sea ice based on snow depth and density retrievals from a SnowMicroPen and approximately weekly measured snow depths along fixed transect paths. We used the derived SWE from the snow cover to compare with precipitation sensors installed during MOSAiC. The data were also compared with ERA5 reanalysis snowfall rates for the drift track. We found an accumulated snow mass of 38 mm SWE between the end of October 2019 and end of April 2020. The initial SWE over first-year ice relative to second-year ice increased from 50 % to 90 % by end of the investigation period. Further, we found that the Vaisala Present Weather Detector 22, an optical precipitation sensor, and installed on a railing on the top deck of research vessel Polarstern, was least affected by blowing snow and showed good agreements with SWE retrievals along the transect. On the contrary, the OTT Pluvio2 pluviometer and the OTT Parsivel2 laser disdrometer were largely affected by wind and blowing snow, leading to too high measured precipitation rates. These are largely reduced when eliminating drifting snow periods in the comparison. ERA5 reveals good timing of the snowfall events and good agreement with ground measurements with an overestimation tendency. Retrieved snowfall from the ship-based Ka-band ARM zenith radar shows good agreements with SWE of the snow cover and differences comparable to those of ERA5. Based on the results, we suggest the Ka-band radar-derived snowfall as an upper limit and the present weather detector on RV Polarstern as a lower limit of a cumulative snowfall range. Based on these findings, we suggest a cumulative snowfall of 72 to 107 mm and a precipitation mass loss of the snow cover due to erosion and sublimation as between 47 % and 68 %, for the time period between 31 October 2019 and 26 April 2020. Extending this period beyond available snow cover measurements, we suggest a cumulative snowfall of 98–114 mm.
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 | 0,002 | 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 ».