Multi-physics ensemble modelling of Arctic tundra snowpack properties
Notice bibliographique
Résumé
Abstract. Sophisticated snowpack models such as Crocus and SNOWPACK struggle to properly simulate profiles of density and specific surface area (SSA) within Arctic snowpacks due to underestimation of wind-induced compaction, misrepresentation of basal vegetation influencing compaction and metamorphism, and omission of water vapour flux transport. To improve the simulation of profiles of density and SSA, parameterisations of snow physical processes that consider the effect of high wind speeds, the presence of basal vegetation, and alternate thermal conductivity formulations were implemented into an ensemble version of the Soil, Vegetation, and Snow version 2 (SVS2-Crocus) land surface model, creating Arctic SVS2-Crocus. The ensemble versions of the default and Arctic SVS2-Crocus were driven with in situ meteorological data and evaluated using measurements of snowpack properties (snow water equivalent, SWE; depth; density; and SSA) at Trail Valley Creek (TVC), Northwest Territories, Canada, over 32 years (1991–2023). Results show that both the default and Arctic SVS2-Crocus can simulate the correct magnitude of SWE (root-mean-square error, RMSE, for both ensembles – 55 kg m−2) and snow depth (default RMSE – 0.22 m; Arctic RMSE – 0.18 m) at TVC in comparison to measurements. Wind-induced compaction within Arctic SVS2-Crocus effectively compacts the surface layers of the snowpack, increasing the density, and reducing the RMSE by 41 % (176 kg m−3 to 103 kg m−3). Parameterisations of basal vegetation are less effective in reducing compaction of basal snow layers (default RMSE – 67 kg m−3; Arctic RMSE – 65 kg m−3), reaffirming the need to consider water vapour flux transport for simulation of low-density basal layers. The top 100 ensemble members of Arctic SVS2-Crocus produced lower continuous ranked probability scores (CRPS) than the default SVS2-Crocus when simulating snow density profiles. The top-performing members of the Arctic SVS2-Crocus ensemble featured modifications that raise wind speeds to increase compaction in snow surface layers and to prevent snowdrift and increase viscosity in basal layers. Selecting these process representations in Arctic SVS2-Crocus will improve simulation of snow density profiles, which is crucial for many applications.
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) | 0,001 | 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 ».