MétaCan
Menu
← Back to cohort
Record W7054612076

Analysis of the surface energy budget of a low-Arctic valley within the forest-tundra ecotone

2022· other· fr· W7054612076 on OpenAlexaboutno aff

Bibliographic record

VenueCorpus Université Laval (Université Laval) · 2022
Typeother
Languagefr
FieldPhysics and Astronomy
TopicMagnetic confinement fusion research
Canadian institutionsnot available
Fundersnot available
KeywordsEcotonePermafrostEnergy budgetEnvironmental effect
DOInot available

Abstract

fetched live from OpenAlex

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.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.056
Threshold uncertainty score0.112

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0000.000
Scholarly communication0.0010.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.005
GPT teacher head0.182
Teacher spread0.177 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueCorpus Université Laval (Université Laval)→Same topicMagnetic confinement fusion research→French-language works237,207→