Sensitivity of modelled mass balance and runoff to representations of debris and accumulation on the Kaskawulsh Glacier, Yukon, Canada
Notice bibliographique
Résumé
Abstract Runoff contributions from glacierized catchments are changing in response to accelerating mass loss. We reconstruct the 1980–2022 mass balance, runoff and water budget of the ∼70% glacierized Kaskawulsh River headwaters in Yukon, Canada, using an enhanced temperature-index model driven by downscaled and bias-corrected reanalysis data. Debris is treated using melt-scaling factors based on site-specific measurements of the critical debris thickness. Accumulation is estimated from downscaled precipitation bias corrected based on in situ measurements. Model tuning incorporates observations of the 2007–18 geodetic mass balance and seasonal snowline positions on the Kaskawulsh Glacier. We assess model sensitivity to the representation of supraglacial debris and accumulation, including treatments of these processes that can be applied in the absence of in situ data. Different representations of debris produce <1% variation in the catchment-wide runoff and water budget. In contrast, accumulation estimates that omit in situ data produce 33–40% variations in modelled runoff relative to those that use these data. This work identifies site-specific measurements of accumulation as critical to accurate estimates of mass balance and runoff for the Kaskawulsh Glacier, in contrast to site-specific characterization of the effects of debris which influence estimated thinning rates at the glacier terminus but have little impact on the glacier-wide runoff.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».