Evaluating Winter Turbulent Heat Fluxes in a Hydrodynamic‐Ice Model of the Great Lakes
Notice bibliographique
Résumé
Abstract Turbulent heat fluxes are affected by and influence the temperature dynamics and ice conditions of lakes. Significant efforts have been made to develop operational hydrodynamic and ice models for large lakes such as the North American Great Lakes. However, the behavior of surface fluxes in these lakes has previously focused on the ice‐free season and has not yet been fully assessed during winter conditions in the presence of ice. Given the importance of navigation support and regional weather forecasting, we therefore analyze operational configurations of the Great Lakes for modeled fluxes to evaluate them for open water, ice‐covered, and partial ice conditions. We compare the modeled fluxes with eddy covariance‐based observed fluxes from the Great Lakes Evaporation Network. While observed latent heat fluxes have periods of high values both during ice‐free and ice‐covered periods, we find that elevated open water fluxes in early winter can be well modeled. However, the modeled fluxes during ice‐covered periods appear less accurate, where the errors are likely related to the simulated ice thickness. Thin ice has many small cracks, resulting in large fluxes nearly as high as over open water; very thick ice can reduce the latent fluxes to near zero, according to observations. Overall, the algorithms used in existing operational models show promise in resolving winter lake fluxes; however, further improvement may require adaptations to underlying ice and hydrodynamic model formulations.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».