Using Icepack to reproduce Ice Mass Balance buoy observations in landfast ice: improvements from the mushy layer thermodynamics
Notice bibliographique
Résumé
Abstract. The column thermodynamics package (Icepack v1.1.0) of the Community Ice Code (CICE) version 6 is used to reproduce observations from two Ice Mass Balance (IMB) buoys co-deployed in the landfast ice close to Nain (Labrador) in February 2017. A new automated surface retrieval algorithm is used to determine the ice thickness and snow depths from the measured vertical temperature profiles. The buoys recorded heavy snow precipitation over relatively thin ice, negative ice freeboards and delayed snow flooding. Icepack simulations are produced to evaluate the performance of the Bitz and Lipscomb (1999) thermodynamics used in the Environment and Climate Change Canada (ECCC) ice-ocean systems and to investigate the improvements associated with the use of mushy layer physics. Results show that the Bitz and Lipscomb (1999) scheme produces a smooth thermodynamics growth that fails to capture the observed variability in bottom sea ice congelation rates. The mushy layer physics produces similar temperature profiles but better captures the variability in congelation rates at the ice bottom interface, with periods of rapid ice growth that coincide with IMB observations. Large differences are also found associated with the snow-ice parameterization: the volume of snow-ice formed during flooding is largely underestimated when using a mass conserving snow-formation scheme, but largely improved when using the mushy layer parameterization in which sea-water is filling the porosity of the snow layer. Both schemes are however unable to reproduce the delayed snow-ice formation, as they rely on the hydrostatic balance and do not allow for negative freeboards. This calls for added brine fraction or ice porosity dependencies in the snow-ice parameterizations.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».