Analysis of the surface energy budget of a low-Arctic valley within the forest-tundra ecotone
Notice bibliographique
Résumé
L'écotone forêt-toundra (EFT) est un environnement où la forêt boréale amorce une transition vers la toundra arctique. Longue de 13 400 km, cette interface forme probablement la plus grande zone de transition sur Terre et couvre de grandes parties du nord de l'Eurasie et de l'Amérique du Nord. Sa taille en fait d'ailleurs un facteur d'importance grandissante avec le réchauffement global du climat sur Terre. En effet, les propriétés fort différentes de la forêt et de la toundra se font sentir sur le bilan énergétique de surface, qui décrit les échanges d'énergie et de masse à l'interface sol-atmosphère. En somme, ce bilan reflète la répartition du rayonnement net en flux de chaleur sensible et latente, ainsi qu'en flux de chaleur dans le sol. Jusqu'à présent, ce bilan a été peu étudié dans l'EFT, bien que son rôle crucial de couplage entre l'atmosphère et le sol soit essentiel pour le régime thermique et hydrologique de la surface terrestre. L'objectif de cette étude est d'analyser le bilan d'énergie de surface d'un site du Bas-Arctique dans l'EFT, sur la côte est de la baie d'Hudson à l'est du Canada, en été et en hiver. Pour ce faire, nous utilisons les données recueillies par une tour micrométéorologique utilisant l'approche de la covariance des tourbillons. Le site choisi est la vallée Tasiapik, d'une longueur de 4.5 km, où les parties hautes de la vallée sont couvertes par une toundra arbustive qui se transforme en forêt boréale vers les parties basses de la vallée. De plus, nous comparons les observations recueillies avec des simulations produites à l'aide des modèles de surface ISBA et SVS pour l'été et du modèle de neige Crocus en hiver. La comparaison avec ces modèles de surface est particulièrement importante comme ils sont utilisés avec des modèles atmosphériques pour générer des prévisions météorologiques et des projections climatiques. En été, nous avons constaté que 23% du rayonnement net était converti en flux de chaleur latente sur notre site, 35% en flux de chaleur sensible et environ 15% en flux de chaleur du sol. Ces résultats contrastent avec ceux de six sites FLUXNET répartis dans l'Arctique, où la majeure partie du rayonnement net sert à alimenter le flux de chaleur latente, et ce, même s'ils ont tous une précipitation annuelle bien inférieure à celle du site étudié. Nous attribuons ce comportement à la conductivité hydraulique élevée du sol (présence de sédiments littoraux et intertidaux), typique de ce que l'on trouve dans les régions côtières de l'est de l'Arctique canadien. Les modèles de surface terrestre ISBA et SVS surestiment la teneur en eau de surface de ces sols, mais parviennent à simuler avec précision les flux de chaleur turbulents, notamment le flux de chaleur sensible et, dans une moindre mesure, le flux de chaleur latente. En hiver, la couverture neigeuse modifie complètement le bilan énergétique de surface. Les pertes par rayonnement infrarouge sont en grande partie compensées par le flux de chaleur sensible, tandis que le flux de chaleur latente est minime. À la surface du couvert, le flux de chaleur dans la neige est similaire en amplitude au flux de chaleur sensible. Comme la couverture neigeuse stocke très peu de chaleur, l'amplitude du flux de chaleur dans la neige est comparable au flux de chaleur dans le sol. Dans l'ensemble, Crocus est en mesure de reproduire le bilan énergétique observé, mais démontre quelques défaillances lors de la simulation des flux de chaleur turbulents à un pas de temps horaire en conditions atmosphériques stables. Comme les deux types de couvert végétal dans l'EFT, la toundra et la forêt, ont un effet contrasté sur la couverture neigeuse au sol, nous avons analysé les propriétés du manteau neigeux à chacun des deux environnements. Nous avons à nouveau eu recours au modèle de neige Crocus pour simuler les propriétés de la neige sur les deux sites. D'abord, nos observations montrent que la hauteur et la densité de la neige diffèrent considérablement d'un site à l'autre. Sur le site forestier, la neige est environ deux fois plus épaisse qu'au site de toundra, et la densité diminue du sol vers la surface de la neige, alors que le contraire est observé sur le site de toundra. Crocus n'est pas en mesure de reproduire ces profils de densité dans sa configuration standard. En ajustant le paramétrage de la densité de la neige fraîche, de la compaction en présence de végétation et la neige soufflée, nous arrivons à simuler des profils comparables aux observations. Nous émettons l'hypothèse que le transport de la vapeur d'eau est le mécanisme dominant qui façonne le profil de densité sur le site de la toundra, alors qu'une combinaison de la compaction due au poids des couches superficielles et du transport de la vapeur d'eau est responsable du profil de densité sur le site forestier. Ce processus n'est pas inclus dans Crocus et les ajustements compensent partiellement ce fait et sont, dans une certaine mesure, spécifiques au site, ce qui complique l'application à plus grande échelle des modifications mises en œuvre ici.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».