Sea ice thickness is a critical variable, both as a climate indicator and for forecasting sea ice conditions on seasonal and longer time scales. The lack of snow depth and density information is a major source of uncertainty in current thickness retrievals from laser and radar altimetry. In response to this data gap, a new Lagrangian snow evolution model (SnowModel‐LG) was developed to simulate snow depth, density, and grain size on a pan‐Arctic scale, daily from August 1980 through July 2018. In this study, we evaluate the results from this effort against various data sets, including those from Operation IceBridge, ice mass balance buoys, snow buoys, MagnaProbes, and rulers. We further compare modeled snow depths forced by two reanalysis products (Modern Era Retrospective‐Analysis for Research and Applications, Version 2 and European Centre for Medium‐Range Weather Forecasts Reanalysis, 5th Generation) with those from two historical climatologies, as well as estimates over first‐year and multiyear ice from satellite passive microwave observations. Our results highlight the ability of our SnowModel‐LG implementation to capture observed spatial and seasonal variability in Arctic snow depth and density, as well as the sensitivity to the choice of reanalysis system used to simulate snow depths. Since 1980, snow depth is found to decrease throughout most regions of the Arctic Ocean, with statistically significant trends during the cold season months in the marginal ice zones around the Arctic Ocean and slight positive trends north of Greenland and near the pole.

中文翻译：

---

用于海冰应用的拉格朗日积雪演变系统（SnowModel-LG）：第二部分-分析

海冰厚度是一个关键变量，既可以作为气候指标，又可以在季节和更长的时间尺度上预测海冰状况。缺乏雪深和密度信息是目前从激光和雷达测高仪获取厚度的不确定性的主要来源。为了应对这一数据缺口，开发了一种新的拉格朗日积雪演变模型（SnowModel-LG），以模拟全北极范围的积雪深度，密度和颗粒大小，每天从1980年8月到2018年7月。在这项研究中，我们根据各种数据集评估这项工作的结果，包括来自IceBridge行动，冰块质量平衡浮标，雪浮标，MagnaProbes和标尺的数据集。我们进一步比较了两种再分析产品（现代时代研究和应用的回顾性分析，第2版​​和欧洲中距离天气预报重新分析中心，第5代）提供了两种历史气候的数据，以及卫星被动微波观测对第一年和多年冰的估计。我们的结果凸显了我们的SnowModel‐LG实现方案能够捕获北极雪深和密度的观测到的空间和季节变化，以及对用于模拟雪深的重新分析系统选择的敏感性。自1980年以来，发现北冰洋大部分地区的积雪深度都在减少，在寒冷季节，北冰洋周围边缘冰区的降雪趋势具有统计上的显着趋势，而格陵兰以北和极地附近则略有积极趋势。第5代）具有两种历史气候的数据，以及卫星被动微波观测对第一年和多年冰的估计。我们的结果凸显了我们的SnowModel‐LG实现方案能够捕获北极雪深和密度的观测到的空间和季节变化，以及对用于模拟雪深的重新分析系统选择的敏感性。自1980年以来，发现北冰洋大部分地区的积雪深度都在减少，在寒冷季节，北冰洋周围边缘冰区的降雪趋势具有统计上的显着趋势，而格陵兰以北和极地附近则略有积极趋势。第5代）具有两种历史气候的数据，以及卫星被动微波观测对第一年和多年冰的估计。我们的结果凸显了我们的SnowModel‐LG实现方案能够捕获北极雪深和密度的观测到的空间和季节变化，以及对用于模拟雪深的重新分析系统选择的敏感性。自1980年以来，发现北冰洋大部分地区的积雪深度都在减少，在寒冷季节，北冰洋周围边缘冰区的降雪趋势具有统计上的显着趋势，而格陵兰以北和极地附近则略有积极趋势。我们的结果凸显了我们的SnowModel‐LG实现方案能够捕获北极雪深和密度的观测到的空间和季节变化，以及对用于模拟雪深的重新分析系统选择的敏感性。自1980年以来，发现北冰洋大部分地区的积雪深度都在减少，在寒冷季节，北冰洋周围边缘冰区的降雪趋势具有统计上的显着趋势，而格陵兰以北和极地附近则略有积极趋势。我们的结果凸显了我们的SnowModel‐LG实现方案能够捕获北极雪深和密度的观测到的空间和季节变化，以及对用于模拟雪深的重新分析系统选择的敏感性。自1980年以来，发现北冰洋大部分地区的积雪深度都在减少，在寒冷季节，北冰洋周围边缘冰区的降雪趋势具有统计上的显着趋势，而格陵兰以北和极地附近则略有积极趋势。