تخمین تجمع برف یخچال از محاسبه عقب ردیابی ذوب و برفی

تخمین بارش برای تعیین تجمع چالش برانگیز است. ما روشی را ارائه می دهیم که ترکیب مدل سازی ذوب و ردیابی خط برفی برای تعیین تجمع برف یخچال زمستانی در امتداد خطوط برفی است. این روش فرض می کند که تجمع خالص در خطوط برفی گذرا صفر است و حداکثر تجمع زمستان در خط برفی را می توان با یک مدل ذوب دما-شاخص به عقب محاسبه کرد. برای تأیید روش ، مدل تجمع برای سال 2004 در Storglaciären ، سوئد اعمال می شود ، که داده های هواشناسی و توازن گسترده ای در دسترس است. میانگین تجمع برفی اندازه گیری شده 0. 10 mw. e. e. برای سال 2004. تجمع مدل شده ، با استفاده از مدل سازی ذوب به عقب ، در همان خطوط برفی 0. 25 m 0. 25 متر W. E. مدل تجمع همچنین با یک مدل تجمع رگرسیون خطی که اغلب در حال استفاده است ، مقایسه می شود که میانگین تجمع خط برفی 0. 38 ± 1. 02 M W. E. کاهش خطای استاندارد از 0. 38 متر W. E. به 0. 25 متر W. E. نشان می دهد که مدل سازی ذوب به عقب که در خطوط برفی اعمال می شود می تواند بازنمایی مکانی بهتر از الگوی تجمع را نسبت به مدل رگرسیون فراهم کند. نکته مهم ، روش کاربردی نیازی به اندازه گیری میدانی تجمع در طول زمستان ندارد و خطوط برفی را می توان به راحتی در تصاویر از راه دور مشاهده کرد.

مقاله تحقیق تایپ اطلاعات Annals of Glaciology ، دوره 54 ، شماره 62 ، 2013 ، صص 1 - 7 کپی رایت کپی رایت © انجمن بین المللی یخبندان 2013

معرفی

مدل سازی توازن انبوه یخچال را می توان به تجمع و مدل سازی ذوب تقسیم کرد. هر دوی اینها به داده های ورودی هواشناسی دقیق نیاز دارند (به عنوان مثال بارش و دما). یک مشکل اساسی در مدل سازی توازن انبوه عدم وجود داده های هواشناسی در دسترس و دقیق است. شرایط هواشناسی در مقیاس کوچک که بر بارش برف در مناطق کوهستانی تأثیر می گذارد ، در هر دو فضا و زمان به طور قابل توجهی متفاوت است و اندازه گیری نقطه در سنگ ها یا ایستگاه های نزدیک یخچال ممکن است برای برون یابی به سطح یخچال های مورد علاقه مناسب نباشد. دمای هوا ، که یک متغیر ورودی مهم برای مدل سازی است ، آسانتر از مناطق یخبندان آسانتر است. با استفاده از مفروضات مربوط به نرخ ها و تکنیک های برون یابی (به عنوان مثال گاردنر مرجع و گاردنر و شارپ ، 2009) می توان زمینه های دما را به درجه بالاتری از دقت نسبت به بارش تعیین کرد.

مشاهدات عمیق برف و مدل سازی ذوب با موفقیت برای تعیین تجمع معادل آب برف در مطالعات قبلی در مناطق کوهستانی مورد استفاده قرار گرفته است (مرجع Rango و Martinec Rango and Martinec ، 1982 ؛ Reference Bagchi Bagchi ، 1983 ؛ Cline Cline Cline ، 1997 ؛ Reference Raleigh و مرجعLundquist Raleigh and Lundquist ، 2009 ، Reference Raleigh and Lundquist 2010). برخی دیگر از کاهش برف به عنوان اعتبار سنجی مدلهای مختلف متعادل جرم استفاده کرده اند (مرجع Blöschl ، Kibauer و Gutknecht Blöschl و دیگران ، 1991 ؛ مرجع Farinotti ، Magnusson ، Huss و Bauder Farinotti و دیگران ، 2010). در این مقاله روشی را بررسی می کنیم که رابطه غیرمستقیم بین دما و تجمع اوج (تعادل جرم زمستانی) ایجاد می کند. ما نشان می دهیم که می توان تجمع زمستان را از داده های کاهش برف مشاهده شده در همان محدوده دقت مشابه برای ذوب تابستانی مدل تخمین زد. داده های ورودی مورد نیاز اطلاعاتی در مورد میزان پوشش برف برای یک یا چند مرحله زمانی در فصل ذوب زیر و دمای هوا است. یک پارامتر مدل مورد نیاز در مدل ذوب دما-شاخص یک عامل ذوب کالیبره شده برف است. کالیبراسیون فاکتور ذوب نیاز به اندازه گیری فرسایش و اندازه گیری چگالی برف دارد. از خطوط برفی گذرا برای بهبود توزیع مکانی تجمع می توان استفاده کرد. خطوط برفی به راحتی در تصاویر ماهواره ای و عکسهای هوایی تشخیص داده می شود و می توان با دقت بالایی دیجیتالی شد (مرجع ویلیامز ، هال و بنسون ویلیامز و دیگران ، 1991 ؛ مرجع تورپین ، فرگوسن و کلارک تورپین و دیگران ، 1997) یا می توان آنها را در یخچال اندازه گیری کردبشر

روش مدل سازی ذوب به عقب ، که در اینجا به عنوان "مدل سازی انباشت" گفته می شود ، به یک مجموعه داده گسترده هواشناسی و توازن انبوه از Storglaciären ، سوئد ، برای سال 2004 اعمال می شود. چندین نوبت (مرجع Kootstraa Kootstraa ، 2005 ؛ مرجع هاک ، Kootstraa و Reijmer Hock و دیگران ، 2007) و اندازه گیری های گسترده و مشارکت گسترده نیز انجام شد. چنین داده هایی فقط برای سال 2004 در دسترس است. علاوه بر این ، ما این یخچال را به دلایل مهم دیگر انتخاب کرده ایم: (1) یک مجموعه داده گسترده تعادل جمعی برای یخچال وجود دارد (مرجع Holmlund و Jansson Holmlund و Jansson ، 1999؛ مرجع هولملوند ، جانسون و پترسون هولملوند و دیگران ، 2005 ؛ مرجع Zemp Zemp و دیگران ، 2010) ؛(2) داده های دما و بارش ساعتی از ایستگاه تحقیقاتی در نزدیکی Tarfala (مرجع گرود و اشنایدر گرود و اشنایدر ، 1996) در دسترس است.(3) مدل سازی شاخص دما از یخچال قبلاً انجام شده است (مرجع هاک هاک ، 1999). و (4) تجمع بسیار تحت تأثیر توپوگرافی است (مرجع هالت هولت ، 2006).

رابطه بین دمای هوا و ذوب یخچال (مرجع Ohmura Ohmura ، 2001 ؛ مرجع SICART ، WAGNON و RIBSTEIN SICART و دیگران ، 2005) با موفقیت برای توسعه مدل های ذوب بر اساس یک پارامتر ساده استفاده شده است. ویژگی های توپوگرافی و هندسه خورشیدی برای افزایش بیشتر روشهای کلاسیک دمای شاخص (به عنوان مثال مرجع هاک هاک ، 1999 ؛ مرجع Pellicciotti ، Brock ، Strasser ، Burlando ، Funk و Corripio Pellicciotti و دیگران ، 2005) گنجانده شده است. مدل شاخص دما به خوبی تثبیت شده در این مطالعه استفاده می شود.

تجزیه و تحلیل رگرسیون ، معمولاً حداقل مربعات از مدلهای خطی ، همچنین معمولاً در مدلهای توازن جرم برای تعیین تجمع مورد استفاده قرار می گیرد و مورد توجه قرار می گیرد که آیا رویکرد مدل سازی ذوب به عقب که در اینجا استفاده می شود ، نتایج را بهبود می بخشد. تجزیه و تحلیل رگرسیون حداقل مربعات خطی در تجمع برف اندازه گیری شده با ارتفاع (87 سهام توازن جرم) در اینجا انجام می شود و نتایج حاصل از مدل تجمع و مدل رگرسیون خطی مقایسه می شود. هر دو روش با تجمع برف اندازه گیری شده حاصل از کریگینگ در 266 نقطه بارگذاری برفی ، به طور مستقل از 87 سهام تعادل جرم اندازه گیری می شوند.

مدل انباشت

مدل انباشت بر این اصل استوار است که مدل سازی ذوب فضایی در طول تابستان آسان تر از تعیین تجمع در طول زمستان است. فرسایش به شدت با دمای مثبت هوا و تابش خورشیدی ورودی بالقوه مرتبط است. مذاب قبلاً بر روی Storglaciären با یک مدل شاخص درجه حرارت پیشرفته با نتایج خوب مدل سازی شده است (مرجع هاک هاک، 1999). از سوی دیگر، انباشتگی به شدت تحت تاثیر هواشناسی محلی و توپوگرافی قرار می گیرد، زیرا برف پس از بارش برف توسط باد دوباره توزیع می شود. بنابراین، مدل سازی انباشت با یک پارامتر ساده دشوار است و به مشاهدات هواشناسی متراکم به عنوان ورودی نیاز دارد.

انباشت با استفاده از محاسبات معکوس مذاب، با استفاده از مدل شاخص دما (شکل 1) تخمین زده می شود. در محل خط برف تمام برف زمستان قبل ذوب شده است، در حالی که ذوب یخ هنوز شروع نشده است. اگر یخ روی هم ناچیز باشد، بنابراین خط برف با تعادل جرم خالص صفر مطابقت دارد. ذوب کل در یک خط برف از ابتدای فصل ذوب تا مشاهده خط برف با استفاده از مدل شاخص دما محاسبه می شود و نتیجه اوج تجمع زمستانی را در طول خط برف نشان می دهد.

شکل 1. تصویر مدل انباشتگی. محور عمودی مذاب یا تجمع (m w. e) محاسبه می شود. محور افقی زمان است، با تجمع اوج در t_pو زمان خط برف، t_{خط برف}، مشخص شده است. نوارهای آبی رویدادهای بارش را نشان می دهند و نوارهای قرمز رویدادهای ذوب را نشان می دهند. نوارهای مثبت نشان دهنده اضافه شدن در جهت ادغام (به جلو یا عقب) است. اقتباس از مرجع رالی و لوندکوئیست رالی و لوندکوئیست (2009).

ذوب برای مدل تجمع با استفاده از یک مدل شاخص دما محاسبه می شود. مدلهای سنتی به رابطه خطی بین دمای هوا و دمای هوا متکی هستند و اندازه گیری خوبی از ذوب یخچال متوسط هستند. با این حال ، این مدلها هم از نظر مکانی و هم به طور موقت محدود می شوند. اثرات توپوگرافی مانند شیب سطح ، جنبه و سایه توپوگرافی تغییر در نرخ ذوب را نشان می دهد. بنابراین ، ما یک مدل شاخص دما را انتخاب کرده ایم که شامل تابش بالقوه آسمان است ، که می تواند بدون هیچ گونه اطلاعات ورودی هواشناسی اضافی محاسبه شود ، ضمن معرفی توزیع مکانی و زمانی از میزان ذوب با توجه به اثرات توپوگرافی (مرجع هاک ، 1999)بشراین مدل برای Storglaciären تهیه شده است اما به طور کلی برای یخچال های کوچک در اندازه های مختلف کاربرد دارد و در طیف گسترده ای از شرایط آب و هوایی واقع شده است (مرجع هاک ، یوهانسون ، جانسون و بارینگ هاک و دیگران ، 2002 ؛ مرجع شولر ، ملوولد ، هاگن و هاک شولر و دیگران، 2005 ، مرجع Schuler ، Loe ، Taurisano ، Eiken ، Hagen and Kohler 2007 ؛ Reference Huss ، Bauder ، Werder ، Funk and Hock Huss و دیگران ، 2007).

شرح کاملی از مدل ذوب توسط مرجع هاک هاک (1999) ارائه شده است. با این حال ، ما اطلاعاتی را در اینجا ارائه می دهیم. ذوب m (میلی متر ساعت - 1) به صورت محاسبه می شود

جایی که n تعداد مراحل زمان در روز ، MF است_بازیگر(به نام MF در Hock Hock ، 1999) یک فاکتور ذوب (mm d-1 (° C) −1) ، ä است._{S N OW}(M 2 W −1 mm H-1 (° C) −1) یک ضریب تابش برای سطوح برفی است ، I (Wm-2) تابش خورشیدی مستقیم و شفاف بالقوه در سطح برف و T (درجه سانتیگراد) است. دمای هوا. محاسبه تابش بالقوه آسمان در مرجع هاک هاک (1999) شرح داده شده است ، و از طریق این اثرات توپوگرافی مانند شیب ، جنبه و افق مؤثر و چرخه های روزانه نرخ ذوب گنجانده شده است.

داده ها

Storglaciären (شکل 2) یک یخچال پلیتو در شمال سوئد در 67 ° 54′10′′N ، 18 ° 34′0′′E است. یخچالهای طبیعی حدود 3. 5 کیلومتر طول دارد و مساحت 3. 1 کیلومتر 2 را در محدوده ارتفاع 1700-1150 متر A. S. L پوشش می دهد.

شکل 2. داده های مربوط به Storglaciären ، 2004. خطوط رنگی نشانگر خطوط برفی مشاهده شده در چهار تاریخ مختلف ، و خطوط نقطه سیاه خطوط ارتفاع هستند. نقاط سیاه 266 نقطه تبلیغ برف و مربع های خاکستری 87 امتیاز فرسایش را نشان می دهد.

خطوط برفی با قدم زدن در امتداد خط انتقال برف به یخ در هفت نوبت بین 8 ژوئیه و 30 اوت 2004 ردیابی شد (جدول 1 ؛ شکل 2). اندازه گیری ها با یک واحد GPS دستی با دقت افقی در حدود 10 متر انجام شد (مرجع Kootstraa Kootstra ، 2005).

جدول 1. تاریخ اندازه گیری خطوط برفی ، عمق برف و فرسایش در Storglaciären ، 2004

تجمع برف زمستانی از 266 نقطه تبلیغ برف و اندازه گیری چگالی برف در چهار گودال انجام شده در دو دوره در بهار 2004 تعیین شد (مرجع Kootstraa Kootstraa ، 2005). منطقه فرسایش ، زیر 1450 متر A. S. L. ، از 18 تا 25 آوریل و منطقه تجمع ، بالاتر از 1450 متر A. S. L. ، در 12 مه (جدول 1) اندازه گیری شد. 266 نقطه بارگذاری برفی با روال های منظم کریگینگ به یک شبکه 30 متر که نمایانگر تجمع برف Storglaciären بود ، درون یابی شدند. میانگین تجمع برف اندازه گیری شده 0. 10 MW. E. E.

ارتفاعات بالای سطح یخچال 87 سهام برای کل یخچال نیز در 12 مه ، 8 ژوئیه و 5 اوت اندازه گیری شد تا ذوب شود (به جدول 1 مراجعه کنید). بنابراین ذوب برای سه دوره در تابستان تعیین می شود.

ما از سال 1990 از یک مدل ارتفاع دیجیتال (DEM) از Storglaciären استفاده می کنیم (مرجع هولملوند هولملوند ، 1996) با فاصله شبکه 30 متر × 30 متر.

کاربرد

تنظیم مدل ذوب دما-شاخص

ذوب توسط یک مدل شاخص دما به صورت ساعتی برای هر شبکه در یخچال محاسبه می شود. ذوب بالقوه برف را می توان برای هر مرحله از زمان در خط برف مربوط به تجمع اوج زمستان قبلی استخراج کرد. برای سادگی مدل ، خطوط برفی در نقشه هایی با اندازه شبکه برابر به عنوان DEM نشان داده شده است ، با فرض اینکه تعادل جرم در یک شبکه واحد (30 m 30 متر) به طور قابل توجهی متفاوت نیست.

کالیبراسیون مدل مذاب

ذوب در 87 سهام فرسایش چندین بار در طول فصل ذوب اندازه گیری شد (جدول 1) و مانده های جرم خالص برای سه دوره از فصل فرسایش محاسبه می شود تا داده های ورودی برای کالیبراسیون مدل ذوب دما-شاخص ارائه شود (شکل 2)بشرفرضیات مربوط به تکامل چگالی برف تابستانی از یک مطالعه قبلی در مورد Storglaciären توسط مرجع Kootstraa Kootstraa (2005) گرفته شده است. چگالی برف با توجه به منحنی چگالی برف که در Storglaciären اندازه گیری شده توسط مرجع Schytt Schytt (1973) اندازه گیری می شود ، متفاوت است و از این منحنی برای اختصاص تراکم برفی به خرما استفاده می شود که اندازه گیری سهام انجام شد.

این مدل شامل بارش برف هر زمان که ایستگاه هواشناسی بارش را ثبت می کند و دمای هوا زیر مقدار آستانه 0. 5 درجه سانتیگراد است. انتقال از مخلوط بارش جامد به مایع برای فاصله دما 0. 5-2. 5 درجه سانتیگراد ، به دنبال مرجع هاک و هولگرن هاک و هولمگرن (2005) استفاده می شود. دمای هوا ثبت شده در ایستگاه تحقیقاتی Tarfala (1130 M. S. L. ؛ مرجع Grudd و Schneider Grudd و Schneider ، 1996) با استفاده از نرخ تساوی 0. 58 درجه سانتیگراد (100m) −1 که مدل را هدایت می کند ، برون یابی شدند. با در نظر گرفتن دمای هوای برون یابی ، برف به طور مساوی بر روی سطح یخچال توزیع می شود.

کالیبراسیون مدل شاخص دما با بهینه سازی معیار کارآیی حاصل شد ، همانطور که در مرجع NASH و Sutcliffe Nash و Sutcliffe (1970) توضیح داده شده است ، بین برفی تلقیه مشاهده شده و شبیه سازی شده در طی سه دوره فرعی بین 12 مه و 9 سپتامبر (جدول 1 ؛شکل 3). توافق بهینه با تغییر فاکتور ذوب ، ضریب تابش برای برف و میزان افت (مرجع هاک ، 1999) حاصل شد. یک عامل ذوب MF_بازیگر= 1. 48 (میلی متر D-1 (° C) −1) ، یک عامل تابش α_برف= 0. 30 × 10 −3 (M 2 W-1 mm H-1 (درجه سانتیگراد) - 1) و میزان کاهش 0. 58 درجه سانتیگراد (100m) - 1 بهترین توافق را بین ذوب تجمعی مشاهده شده و مدل شده برای کل دوره به دست آورد12 مه تا 9 سپتامبر. این مقادیر بهینه شبیه به نتایج حاصل از مرجع هاک هاک (1999) در همان یخچال است اما برای سال 1994. شکل 4 حساسیت معیارهای بهره وری ، که مشابه ضریب تعیین (R 2) است ، نشان می دهد. در این پارامترها

شکل 3. کالیبراسیون مدل ذوب: 87 سهام توازن جرم از ذوب مشاهده شده و مدل شده برای کالیبراسیون در سه دوره (آبی: زمستان تا 8 ژوئیه ؛ قرمز: 8 ژوئیه تا 5 اوت ؛ سبز: 5 اوت تا 17 سپتامبر). در هر دوره اندازه گیری از همه سهام بازدید نشده است. خط سیاه شکسته خط 1: 1 را نشان می دهد. خط سیاه جامد نازک با منطقه خاکستری مرتبط نشانگر رگرسیون خطی متناسب با این نقاط داده و عدم اطمینان آن است.

شکل 4. حساسیت معیارهای کارآیی (ضریب تعیین ، R 2) به سه پارامتر مدل مورد استفاده برای کالیبراسیون مدل ذوب: میزان افت ، فاکتور تابش و فاکتور ذوب. مقادیر بهینه در نقشه متمرکز شده اند ، که توسط نوار خاکستری عمودی نشان داده شده است.

مدل رگرسیون خطی تجمع برف

یک گرادیان تجمع برف با ارتفاع با استفاده از رگرسیون خطی تجمع مشاهده شده با ارتفاع در 87 سهام توازن جرم (شکل 5) ، مستقل از 266 نقطه میزان بار برفی حاصل می شود. گنجاندن شیب سطح ، انحنای و/یا جنبه ، تجزیه و تحلیل رگرسیون را بهبود نمی بخشد.

شکل 5. تجزیه و تحلیل رگرسیون خطی تجمع برف مشاهده شده با ارتفاع. از تناسب حاصل برای تعیین مدل تجمع رگرسیون خطی نشان داده شده در شکل استفاده می شود. اندازه گیری ها در 87 سهام در 12 مه 2004 انجام شد.

نتایج: تجمع مدل شده

تجمع مشاهده شده و مدل شده در امتداد خطوط برفی ردیابی شده در شکل 6 نشان داده شده است. برخی از خطوط برفی اندازه گیری شده برای ارزیابی (در 1600 متر) استفاده نشده است زیرا در خارج از شبکه پروب و سهام قرار دارند. همانطور که در شکل 6D و E مشاهده می شود ، مدل تجمع توزیع مکانی برف را بهتر از مدل رگرسیون بازتولید می کند. مدل رگرسیون تمایل دارد بیش از حد تجمع بالاتر از 1400 متر را پیش بینی کند در حالی که مدل تجمع هر دو پیش بینی زیر و بیش از حد در این منطقه. مقایسه با تجمع زمستانی مشاهده شده همچنین نشان می دهد که مدل تجمع الگوی توزیع برف ناهمگن معمولی از Storglaciären مشاهده شده توسط Hulth Hulth مرجع (2006) را بازتولید می کند.

شکل 6. تجمع زمستان در امتداد خطوط برفی ردیابی شده ، مدل شده و مشاهده شده و تفاوت ها (M W. E.). خطوط خاکستری کانتورهای ارتفاع هستند.(الف) شبکه تجمع مشاهده شده ناشی از کریگینگ در 266 نقطه میزان بارش برف.(ب) نتایج حاصل از مدل تجمع.(ج) نتایج حاصل از مدل رگرسیون خطی.(د) تفاوت بین مدل تجمع و تجمع زمستان مشاهده شده.(ه) تفاوت بین مدل رگرسیون و تجمع زمستان مشاهده شده.

مدل تجمع کمی میانگین تجمع خط برف توسط 10 cmw. e را دست کم می گیرد ، و تجزیه و تحلیل رگرسیون با 8 سانتی متر W. E بیش از حد ارزیابی می شود. انحراف استاندارد از باقیمانده های مدل برای مدل تجمع به طور قابل توجهی پایین تر از مدل رگرسیون ، به ترتیب در 25 و 38 cmw. e است. این در توزیع فرکانس باقیمانده ها مشخص است (شکل 7C و F).

شکل 7. مقایسه تجمع مشاهده شده و مدل شده (MW. E.) با استفاده از مدل های تجمع و رگرسیون در شبکه ها در امتداد خطوط برفی. مدل تجمع: (الف) مشاهده شده در مقابل مدل.(ب) مدل در مقابل اختلاف (مدل - مشاهده شده).(ج) توزیع اختلاف (مدل شده - مشاهده شده) در مقابل شمارش شبکه ها (N). مدل رگرسیون: (د) مشاهده شده در مقابل مدل.(ه) مدل در مقابل اختلاف (مدل سازی شده).(ج) توزیع اختلاف (مدل - مشاهده شده) در مقابل شمارش شبکه ها (N). در (ب) و (ه) مناطق خاکستری دامنه interquartile را نشان می دهد و مثلث ها میانگین باقیمانده های مدل را نشان می دهد.

بحث

عدم قطعیت در میانگین تجمع زمستانی مدل شده در درجه اول مربوط به ساده سازی فیزیک در مدل ذوب دما-شاخص است. بنابراین ، تجمع مدل شده ارائه شده در اینجا حداقل به اندازه نتایج حاصل از مدل ذوب کاربردی نادرست خواهد بود. عدم قطعیت در موقعیت های برفی ، وجود بارش برف های تابستانی و انحراف از این فرض که خطوط برفی نمایانگر تعادل خالص صفر نیز به عدم قطعیت کل در تجمع زمستانی مدل شده است. سهم از مجموع این عدم قطعیت ها در مدل سازی انباشت برف با مقایسه با داده های مشاهده شده در این مطالعه ارزیابی می شود.

در موارد بارش برف تابستانی ، موقعیت برفی در تاریخ بعدی به ارتفاع پایین تر حرکت می کند و مفهوم مدل سازی به همان اندازه قابل اجرا نخواهد بود. ذوب محاسبه شده سپس در دوره های یخ در معرض به جای برف خواهد بود که منجر به محاسبه نادرست تجمع می شود. حضور بارش برف تابستانی باید هنگام استفاده از روش از طریق مشاهدات میدانی یا داده های هواشناسی در نظر گرفته شود. برای Storglaciären در تابستان 2004 ، هنگامی که یک کارزار میدانی گسترده انجام شد ، اولین بارش برف در 17 سپتامبر 2004 گزارش شد (مرجع Kootstraa Kootstraa ، 2005) ، که پس از دوره محاسبه ما است.

تجمع محاسبه شده با تجمع مشاهده شده حاصل از درون یابی 266 نقطه بارگذاری برفی مقایسه می شود. با این حال ، عدم اطمینان به این مقادیر شبکه تجمع برف وجود دارد. مقادیر مشاهده شده بر اساس اندازه گیری نقطه عمق برف تبدیل شده به MW. E. با استفاده از اندازه گیری چگالی ، پس از آن با درون یابی و برون یابی برای پوشاندن کل سطح یخچال توزیع می شود. پیش بینی می شود میانگین خطای تجمع برفی در حدود 10 سانتی متر W. E باشد ، اما مقادیر نقطه خاص احتمالاً چندین بار از میانگین خطا فراتر می رود. این امر در درجه اول به دلیل خطاهای مربوط به مناطق غیرمترقبه و مناطق ناهمگن (به عنوان مثال مناطق خزنده) و تا حدی تغییراتی است که توسط مشاهدات نسبتاً پراکنده چگالی برف ثبت نشده است (مرجع جانسون جانسون ، 1999). مقایسه میانگین انباشت برفی محاسبه شده از مشاهده شده توس ط-0. 12mw. e منحرف می شود. برای مدل تجمع و 0. 08 MW. E. برای مدل رگرسیون. این در محدوده عدم اطمینان تخمین زده شده است.

مرجع Hulth Hulth (2006) مشاهده کرد که تجمع زمستان بسیار تحت تأثیر توپوگرافی است. تجزیه و تحلیل رگرسیون خطی از تجمع برف با ارتفاع (شکل 5) بر اساس 87 سهام توازن جرم ، ضریب همبستگی پیرسون R 2 = 0. 62 را به همراه دارد ، که با استفاده از همبستگی مدل ذوب (R2 = 0. 81) پایین تر است. همان مجموعه سهام در فصل ذوب. این نشان می دهد که الگوی تجمع نه تنها تابعی از ارتفاع است ، بلکه ممکن است به عوامل دیگری مانند توپوگرافی محلی و باد وابسته باشد. در نتیجه ، توزیع مکانی تجمع برف با استفاده از رگرسیون خطی قابل تخمین نیست ، همانطور که توسط رگرسیون در شکل 6E نشان داده شده است. از جمله خطوط برفی و مدل سازی ذوب ، الگوی مکانی تجمع برف مدل شده را بهبود می بخشد ، همانطور که در شکل 6D نشان داده شده است. انحراف استاندارد از مقایسه مدل در مقابل مشاهده شده نیز از 0. 38 متر W. E کاهش می یابد. به 0. 25m W. E. هنگام استفاده از مدل تجمع در خطوط برفی در مقایسه با مدل رگرسیون ، که نشان می دهد الگوی مکانی تجمع بهتر نشان داده شده است. نتایج آماری کالیبراسیون و ارزیابی نتایج مدل در جدول 2 خلاصه شده است.

جدول 2. خلاصه ارزیابی های آماری ارائه شده در متن و ارقام

محدودیت مدل تجمع برف این است که فقط تخمین هایی از تجمع اوج برای شبکه ها را که در آن مشاهدات مربوط به خط برفی گذرا را ارائه می دهیم ، ارائه می دهد. با این حال ، خطوط برفی به راحتی از عکسهای هوایی و تصاویر ماهواره ای برای بسیاری از یخچالهای طبیعی در سراسر جهان قابل دسترسی است. روند اخیر استفاده از عکاسی با گذشت زمان در مطالعات یخبندان باعث می شود این روش هنگام تلاش برای بازیابی تخمین های انباشت برف بسیار دقیق از یخچال های خاص ، مفیدتر شود. با این وجود ، درون یابی و برون یابی تجمع تعیین شده در خطوط برفی برای پوشش کامل یک منطقه انباشت مورد نیاز است. تنوع متقابل صحت یک شبکه تجمع درون یابی پیش بینی می شود ، زیرا به میزان ذوب و توزیع مکانی و ارتفاع خطوط برفی برای فصل خاص بستگی دارد. بسته به فشار سنج یخچال ، نتایج مختلفی بین یخچال ها نیز وجود خواهد داشت.

نتیجه گیری

داده های تجمع برف یخچال های طبیعی پراکنده هستند. داده های میدانی گران و جمع آوری در فصول زمستان در مناطق دور افتاده است و توزیع مکانی تجمع برف در محلی متفاوت است. هدف از این مطالعه توسعه و ارزیابی روشی است که می تواند توزیع انباشت برف فضایی را نشان دهد و به حداقل داده های ورودی نیاز دارد. به طور خاص ، این روش بدون هیچ گونه اندازه گیری انباشت موجود قابل استفاده است. یک مدل ذوب دما-شاخص به عقب (مدل تجمع) ، در ترکیب با داده های مربوط به خطوط برفی گذرا ، برای تعیین تجمع برف زمستانی در امتداد خطوط برفی اعمال می شود. نکات زیر در این مطالعه مورد بررسی قرار گرفته است:

1. 1. مشاهدات شیشه ای از خطوط برفی در طول فصل مذاب به عنوان نقطه مرجع برای مدل سازی انباشت استفاده شده است.
2. 2- میانگین تجمع برف مشاهده شده با درون یابی 266 نقطه بار برفی به خطوط برفی حاصل شده است. میانگین تجمع خط برفی درون یابی 0. 10 mw. E 0. 94 بود. در خطوط برفی مشاهده شده.
3. 3. یک مدل ذوب با شاخص دما با استفاده از اندازه گیری های ذوب از 87 اندازه گیری سهام مستقل در فصل ذوب ، با ضریب همبستگی پیرسون از R 2 = 0. 81 کالیبره شده است.
4. 4- مدل تجمع ، با استفاده از مدل سازی ذوب دمای دمای عقب ، در خطوط برفی اعمال شده است ، و به طور متوسط تجمع خط برفی مدل شده از 0. 25 ± 0. 25 متر W. E.
5. 5. یک مدل انباشت رگرسیون خطی بر اساس ارتفاع با استفاده از 87 اندازه گیری سهام انباشت مستقل، با ضریب همبستگی پیرسون R2 = 0. 62 به دست آمده است. استفاده از مدل رگرسیون در خطوط برفی میانگین تجمع خط برف 0. 38 ± 1. 02 متر وزنی را به دست می دهد.
6. 6. میانگین انحرافات بین انباشت خط برف مشاهده شده و مدل شده در محدوده عدم قطعیت داده های اندازه گیری شده قرار دارد اما انحراف استاندارد برای مدل انباشت کمتر از مدل رگرسیونی است. این، همراه با ضریب همبستگی پیرسون بالاتر از مدل انباشت، نشان می دهد که روش مدل سازی تجمع، نمایش فضایی الگوی انباشت پیچیده Storglaciären را بهبود می بخشد.
7. 7. نتایج همچنین نشان می دهد که اطلاعات مربوط به مکان های گذرا برف می تواند به طور مفید برای تعیین تجمع برف زمستانی استفاده شود.

سپاسگزاریها

این پروژه تا حدی توسط دانشگاه علوم زیستی نروژ، ISP (شورای تحقیقات نروژ) و NCoE SVALI تامین شد. ما از ایستگاه تحقیقاتی تارفلا برای ارائه داده های هواشناسی و تعادل جرم تشکر می کنیم. D Koostra اندازه گیری برف را انجام داد.