Impact of measured and simulated tundra snowpack properties on heat transfer
Notice bibliographique
Résumé
Abstract. Snowpack microstructure controls the transfer of heat to, as well as the temperature of, the underlying soils. In situ measurements of snow and soil properties from four field campaigns during two winters (March and November 2018, January and March 2019) were compared to an ensemble of CLM5.0 (Community Land Model) simulations, at Trail Valley Creek, Northwest Territories, Canada. Snow micropenetrometer profiles allowed for snowpack density and thermal conductivity to be derived at higher vertical resolution (1.25 mm) and a larger sample size (n=1050) compared to traditional snowpit observations (3 cm vertical resolution; n=115). Comparing measurements with simulations shows CLM overestimated snow thermal conductivity by a factor of 3, leading to a cold bias in wintertime soil temperatures (RMSE=5.8 ∘C). Two different approaches were taken to reduce this bias: alternative parameterisations of snow thermal conductivity and the application of a correction factor. All the evaluated parameterisations of snow thermal conductivity improved simulations of wintertime soil temperatures, with that of Sturm et al. (1997) having the greatest impact (RMSE=2.5 ∘C). The required correction factor is strongly related to snow depth (R2=0.77,RMSE=0.066) and thus differs between the two snow seasons, limiting the applicability of such an approach. Improving simulated snow properties and the corresponding heat flux is important, as wintertime soil temperatures are an important control on subnivean soil respiration and hence impact Arctic winter carbon fluxes and budgets.
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 | 0,000 | 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) | 0,019 | 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 ».