Modelling Debris-Covered Glacier Ablation Using the Simultaneous Heat and Water Transport Model. Part 1: Model Development and Application to North Changri Nup
Notice bibliographique
Résumé
Modelling ablation of glacier ice under a layer of mineral debris is increasingly important, because the extent of supraglacial debris is expanding worldwide due to glacier recession. Physically based models have been developed, but the uncertainty in predictions is not yet well constrained. A new one-dimensional model of debris-covered ice ablation that is based on the Simultaneous Heat and Water transfer model is introduced here. SHAW-Glacier is a physically based, vertically integrated, fully coupled, water and energy balance model, which includes the advection of heat by rainwater and lateral flow. SHAW-Glacier was applied to North Changri Nup, a high elevation alpine glacier in the monsoon-dominated Central Himalaya. Simulations were compared with observed debris temperature profiles, snow depth, and ablation stake measurements for debris 0.03–0.41 m thick, in a 2500 m 2 study area. Prediction uncertainty was estimated in a Monte Carlo analysis. SHAW-Glacier simulated the characteristic pattern of decreasing ablation with increasing debris thickness. However, the observations of ablation did not follow the characteristic pattern; annual ablation was highest where the debris was thickest. Recursive partitioning revealed a substantial, non-linear sensitivity to the snow threshold air temperature, suggesting a sensitivity to the duration of snow cover. Photographs showed patches of snow persisting through the ablation season, and the observational data were consistent with uneven persistence of snow patches. The analyses indicate that patchy snow cover in the ablation season can overwhelm the sensitivity of sub-debris ablation to debris thickness. Patchy snow cover may be an unquantified source of uncertainty in predictions of sub-debris ablation.
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) | 0,000 | 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 ».