Improved processing methods for eddy covariance measurements in calculating sensible heat fluxes at glacier surfaces
Notice bibliographique
Résumé
Abstract Bulk aerodynamic methods have been shown to perform poorly in computing turbulent heat fluxes at glacier surfaces during shallow katabatic winds. Katabatic surface layers have different wind shear and flux profiles to the surface layers for which the bulk methods were developed, potentially invalidating their use in these conditions. In addition, eddy covariance-derived turbulent heat fluxes are unlikely to be representative of surface conditions when eddy covariance data are collected close to the wind speed maximum (WSM). Here we utilize two months of eddy covariance and meteorological data measured at three different heights (1 m, 2 m, and 3 m) at Kaskawulsh Glacier in the Yukon, Canada, to re-examine the performance of bulk methods relative to eddy covariance-derived fluxes under different near-surface flow regimes. We propose a new set of processing methods for one-level eddy covariance data to ensure the validity of calculated fluxes during highly variable flows and low-level wind speed maxima, which leads to improved agreement between eddy covariance-derived and modelled fluxes across all flow regimes, with the best agreement (correlation >0.9) 1 m above the surface. Contrary to previous studies, these results show that adequately processed eddy covariance data collected at or above the WSM can provide valid estimates of surface heat fluxes.
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 | 0,001 | 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) | 0,000 | 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 ».