Numerical modeling of thermal bar and stratification pattern in Lake Ontario using the EFDC model
Notice bibliographique
Résumé
Thermal bar is an important phenomenon in large, temperate lakes like LakeOntario. Spring thermal bar formation reduces horizontal mixing, which in turn, inhibits theexchange of nutrients. Evolution of the spring thermal bar through Lake Ontario issimulated using the 3D hydrodynamic model Environmental Fluid Dynamics Code (EFDC).The model is forced with the hourly meteorological data from weather stations around thelake, flow data for Niagara and St. Lawrence rivers, and lake bathymetry. The simulation isperformed from April to July, 2011; on a 2-km grid. The numerical model has beencalibrated by specifying: appropriate initial temperature and solar radiation attenuationcoefficients. The existing evaporation algorithm in EFDC is updated to modified masstransfer approach to ensure correct simulation of evaporation rate and latent heatflux.Reasonable values for mixing coefficients are specified based on sensitivity analyses. Themodel simulates overall surface temperature profiles well (RMSEs between 1-2°C). Thevertical temperature profiles during the lake mixed phase are captured well (RMSEs <0.5°C), indicating that the model sufficiently replicates the thermal bar evolution process. Anupdate of vertical mixing coefficients is under investigation to improve the summer thermalstratification pattern. Keywords: Hydrodynamics, Thermal BAR, Lake Ontario, GIS.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».