Local-scale spatial variability in firn properties in Southwest Greenland
Notice bibliographique
Résumé
The increasing mass loss from the Greenland ice sheet is becoming growingly important to present-day global sea level rise. Meltwater export to the ocean may be amplified by near-surface ice layers in firn (i.e., snow that has survived at least one melt season) which prevent infiltration. Such ice layers have been documented at various sites in southwest Greenland, but little is known about the local-scale (less than 1 km) variability in firn and ice properties. Here we investigate the local variability in firn density and ice content (ice layer thickness fraction) by analyzing 45 shallow firn cores retrieved from 15 sites in southwest Greenland between 2012 and 2019. The core dataset contains groups of cores that were collected at the same site (1–632 m apart from each other) and in the same year (here referred to as same site/year cores). The two-sided Mann-Whitney U -tests suggest that most same site/year cores do not have statistically significant differences in median density or ice content over the upper 0–4.5, 4.5–9, and 9–13.5 m sections below the winter snow layer. That said, the same site/year cores still exhibit substantial density and ice content differences as well as variable ice layer stratigraphy (especially the distribution of centimeters-thick ice lenses) not explainable by measurement uncertainties. The local-scale variability in density and ice content (calculated from the same site/year cores) over the three 4.5-m sections is 4% and 19–29%, respectively. The variability is comparable to the regional gradient in our study area within an elevation difference of up to ∼200 m. The local variability is non-negligible particularly at mid- to high-elevation sites (>2,000 m a.s.l.), where firn structure changes such as ice layer formation are more recent phenomena compared to lower elevations. This study confirms that single cores can provide representative bulk statistics such as mean density and ice content of one site. However, these mean values mask substantial local variability which can compromise regional comparisons. Therefore, collection of same site/year cores and consideration of local variability are necessary for an in-depth analysis of regional variability.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».