Interannual variability in air temperature and snow drive differences in ice formation and growth
Notice bibliographique
Résumé
Abstract. Recent warming of northern, high-latitude regions has raised alarms for the safe and efficient use of frozen lakes for winter transportation and recreation. This concern is significant in Canada’s Northwest Territories (NWT), where seasonally constructed roads over lakes, rivers, and land (winter roads) span thousands of kilometers and act as vital links to isolated communities and resource development projects. Current climate change and weather variability is altering the evolution of lake ice, challenging predictions of freeze-up, ice growth, and ice decay. The accurate simulation of ice evolution is imperative for safe and efficient planning, operation, and maintenance of winter roads under a changing climate and heightened weather variability. This is particularly significant in the early winter period when ice road planning and design is undertaken. Here, we investigate the effects of weather variability on ice formation, growth, and evolution in a small lake near Yellowknife, NWT, Canada. High-resolution measurements of air, snow, ice, and water temperatures were collected continuously from a floating research station between October and December in 2021, 2022, and 2023 and variability in ice evolution and weather examined. Combinations of above and below average snowfall and winter air temperatures resulted in variability of up to 17 days in freeze-up dates (FUD) and 8 days in freeze-up durations. End of December ice thicknesses (hi) varied up to 12 cm, while the duration between the FUD and hi=30 cm varied up to 10 days. hi were effectively simulated (RMSE=1.11–2.33 cm) using empirical relationships developed using cumulative freezing degree days (CFDD) and seasonally cumulative snowfall (ST), while snow-ice thicknesses simulated (RMSE=0.83–1.21 cm) using CFDD and daily snowfall. Developed relationships between air temperatures, snow, and ice thicknesses can be used for predicting minimum ice thicknesses required for commencing ice road construction, and to assist in the effective management of construction activities.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 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 ».