A history-matching analysis of the Antarctic Ice Sheet since the Last Interglacial – Part 1: Ice sheet evolution
Notice bibliographique
Résumé
Abstract. In this study we present the evolution of the Antarctic Ice Sheet (AIS) since the Last Interglacial. This is achieved by means of a history-matching analysis where a newly updated observational database (AntICE2) is used to constrain a large ensemble of 9293 model simulations. The Glacial Systems Model (GSM) configured with 38 ensemble parameters was history-matched against observations of past ice extent, past ice thickness, past sea level, ice core borehole temperature profiles, present-day uplift rates, and present-day ice sheet geometry and surface velocity. Successive ensembles were used to train Bayesian artificial neural network emulators. The parameter space was efficiently explored to identify the most relevant portions of the parameter space through Markov chain Monte Carlo sampling with the emulators. The history matching ruled out model simulations which were inconsistent with the observational-constraint database. During the Last Interglacial (LIG), the AIS yielded several metres equivalent sea level (m e.s.l.) of grounded ice volume deficit relative to the present, with sub-surface ocean warming during this period being the key uncertainty. At the global Last Glacial Maximum (LGM), the best-fitting sub-ensemble of AIS simulations reached an excess grounded ice volume relative to the present of 9.2 to 26.5 m e.s.l. Considering the data do not rule out simulations with an LGM grounded ice volume >20 m e.s.l. with respect to the present, the AIS volume at the LGM can partly explain the missing-ice problem and help close the LGM sea-level budget. Moreover, during the deglaciation, the state space estimation of the AIS based on the GSM and near-field observational constraints allows only a negligible Antarctic Meltwater Pulse 1a contribution (−0.2 to 0.3 m e.s.l.).
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».