Improving snowpack chemistry simulations through improved representation of liquid water movement through layered snow and rain-on-snow (ROS) episodes: Application to Svalbard, Norway
Notice bibliographique
Résumé
Circumpolar and high-elevation cold regions receive a large portion of their annual precipitation as snowfall, which accumulates in snowpacks that can store many contaminants. The discharge of chemical eluent during snowmelt can alter the chemical composition of local streams and have a detrimental effect on aquatic ecosystems . Cold regions have been particularly affected by climate change. In the last two decades, the Arctic has been exposed to dramatic atmospheric temperature increases, sea ice decrease, and an increase of air mass transport from lower latitudes bringing warmer and more humid air masses. Instrumental measurements in the Svalbard archipelago, Norway, show that climate warming here is amplified compared to the global average, making its cryospheric environment extremely vulnerable to future climate scenarios. In this study, the PULSE model for simulation of snowpack solute dynamics was coupled to two snowpack energy balance models, the Cold Regions Hydrological Model and the SNOWPACK model, to help identify critical processes needed to improve the accuracy of snow chemistry predictions. Focus was given to to represent sea spray sources, to represent terrestrial dust, and to represent various sources including sea salt, biogenic emissions , and long-range atmospheric transport of secondary aerosols. The new coupled models were applied to an experimental site in Svalbard. The hydrological components of each model coupling were validated against snowdepth measurements and the snowpack chemistry components were verified for a selected number of snow ions representative of different sources. Both models were able to predict snowdepths between 1996 and 2018, as well as the stratification of snow chemistry measured during a whole snow accumulation and ablation year. Results show that explicitly representing liquid water movement through layered snow helped improve chemistry predictions. Events such as rain-on-snow (ROS) had a disproportionate effect on the redistribution of ions to deeper snow layers.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».