Evaluating a Parameterization for Sublimation of Blowing Snow with In-situ Observations in the Arctic
Notice bibliographique
Résumé
Surface albedo, sea ice growth and glacier mass balance in the Arctic are all heavily dependent on snow and thus also impacted by blowing snow through redistribution and increased sublimation. The sublimation of blowing snow is significantly higher than that of ground snow due to the larger surface area of the suspended snow crystals and the continuous entrainment of dry air. Thus, sublimation of blowing snow impacts the exchange of energy, moisture and particles between the snow and atmosphere in windy conditions.Because of the difficulty of modelling such a small-scale process for large areas, parameterizations of sublimation of blowing snow are necessary for snow mass balance and aerosol production studies. The widely used Déry and Yau (2001) parameterization has only been evaluated with model data from the Canadian Prairie, but never for other surface types, where it is applied, or with in-situ observations. Therefore, the goal of this work is to evaluate the parameterization by Déry and Yau (2001) with observations from the MOSAiC expedition in the central Arctic and the Intensive Observation Period for Water (IOP4H20) field measurements in Ny-Ålesund, Svalbard.Here we show observations of blowing snow events that were detected and characterized by a snow particle counter and the Video In-Situ Snowfall Sensor (VISSS). During these events, measurements of latent heat fluxes from eddy covariance systems are used to evaluate the parameterized sublimation rate. To address challenges with eddy covariance observations in snowy conditions and calculating column-integrated values the observations are complemented with the 1D-column PIEKTUK-D blowing snow model.In this way, comparing the parameterization with observations brings insights into its uncertainty or possible limitations for two different surface types and thereby improves the estimation of the accuracy of snow mass balance and aerosol production studies that apply this parameterization.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».