Investigating the impact of reanalysis snow input on an observationally calibrated snow-on-sea-ice reconstruction
Notice bibliographique
Résumé
Abstract. A key uncertainty in reanalysis-based snow-on-sea-ice reconstructions is the choice of reanalysis product used for snowfall input. Although reanalysis products have many similarities in their precipitation output over the Arctic Ocean, they nevertheless have relative biases that impact derived snow-on-sea-ice estimates. In this study, snowfall from the European Centre for Medium-range Weather Forecasts (ECMWF) Reanalysis v5 (ERA5), the Japanese Meteorological Agency’s Japanese 55-year Reanalysis (JRA-55), and NASA’s Modern-Era Retrospective analysis for Research and Applications, Version 2 (MERRA-2), is used as input to the NASA Eulerian Snow On Sea Ice Model (NESOSIM). A Markov chain Monte Carlo (MCMC) approach is used to calibrate the wind packing and blowing snow parameters in NESOSIM run with these different snowfall inputs. JRA-55 shows the largest departure from the previously used values (Bayesian priors) when the MCMC calibration is run and also has the largest posterior uncertainty due to parameter uncertainties. The MCMC calibration reconciles snow depths between NESOSIM run with different reanalysis snowfall inputs but produces larger discrepancies in snow densities due to the sensitivity of snow density in NESOSIM to parameter values and the weak observational constraints on density. Regional climatologies and trends in the calibrated products are examined and compared to another reanalysis-based snow-on-sea-ice reconstruction, SnowModel-LG. NESOSIM and SnowModel-LG show close agreement in snow depth climatologies in the central Arctic Ocean region but differ more in peripheral seas. The models perform comparably when evaluated against IceBird airborne snow depth observations and in situ depth and density observations from the Multidisciplinary Drifting Observatory for the Study of Arctic Climate (MOSAiC). Trends are found to be region-dependent, and central Arctic Ocean snow depth trends are more sensitive to the choice of reanalysis input than to the choice of model.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,002 | 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 ».