Combining observational data and numerical models to obtain a seamless high-temporal-resolution seasonal cycle of snow and ice mass balance at the MOSAiC Central Observatory
Notice bibliographique
Résumé
Abstract. Multidisciplinary drifting Observatory for the Study of Arctic Climate (MOSAiC) observations span an entire annual cycle of Arctic snow and sea ice cover. However, the measurements of atmospheric and ocean forcing, as well as distributed measurements of snow and ice properties, were occasionally interrupted for logistical reasons. The most prolonged interruption happened during the onset of the summer melt season. Here we introduce and apply a novel data–model fusion system that can assimilate relevant observational data in a collection of modeling tools (SnowModel-LG and HIGHTSI) to provide continuous high-temporal-resolution (3-hourly) time series of snow and sea ice parameters over the entire annual cycle. We used this system to analyze differences between the three main ice types found in the MOSAiC Central Observatory: relatively deformed second-year ice, second-year ice with extensive smooth refrozen melt pond surfaces, and first-year ice. Since SnowModel-LG and HIGHTSI were used in a 1-D configuration, we used a sea ice dynamics term D to parameterize the redistribution of snow to newly created ridges and leads. D correlated highly with the sea ice deformation (R2 = 59 %, N=33) in the vicinity of the observatory, and deformation appears to explain as much as 15 % of all winter snow water equivalent. In addition, we show, in separate simulations for level ice, that snow bedforms with thin snow in the bedform troughs largely control the ice growth. Here, the mean snow depth minus 1 standard deviation was required to simulate realistic sea ice thickness using HIGHTSI; we surmise that this accounts for the control of relatively thin snow on local ice growth. Despite different initial sea ice thickness and freeze-up dates, the sea ice thickness of level ice across all ice types became similar by early winter. Our simulations suggest that the mean (spatially distributed) MOSAiC snowmelt onset began in late May but was interrupted by a snowfall event and was delayed by 3 weeks until mid- June. The level ice started to melt in the last week of June. Depending on the sea ice topography, the ice was snow-free by late June and early July.
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 | 0,000 |
| 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) | 0,000 | 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 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 ».