Ice‐penetrating radar data contain a wealth of information about the bed and internal structure of the ice sheet. While these data have long been used to diagnose the presence of basal water, infer attenuation rates, or explore the internal stratigraphy of the ice sheet, they have rarely been used jointly in a formal inverse model for the ice sheet temperature structure. Here, we invert a coupled thermomechanical ice sheet and basal hydrology model to infer both geothermal heat flow (GHF) and accumulation rate from multiple classes of radar observations in the area around Dome A, East Antarctica. Our forward model solves for a coupled steady state between the ice sheet flow field, temperature, and basal hydrology, including melt, water transport, and freeze‐on. We fit radar observations of basal water, freeze‐on, and internal layers, along with a GHF prior based on aeromagnetic observations. We minimize the combined misfit function by first using an evolutionary algorithm followed by localized perturbation tests. In addition to inferring the spatial distribution of GHF and accumulation rate, we are also able to estimate the uncertainty about our best‐fit answer, as well as quantify how our result depends on each individual data constraint. Our results demonstrate a new method for combining multiple glaciological constraints into a single inverse model of the ice sheet, and give us a more rigorous picture of the information content provided by each data set. In a companion paper we analyze and interpret the best‐fit model.

中文翻译：

---

来自南极东部Dome A冰穿透雷达观测的地表累积速率和地热流的联合反演。第一部分：模型描述，数据约束和反演结果

穿透冰的雷达数据包含有关冰床和冰盖内部结构的大量信息。尽管这些数据长期以来一直用于诊断基础水的存在，推断衰减速率或探索冰原的内部地层学，但很少将它们共同用于冰原温度结构的正式反演模型中。在这里，我们将耦合的热机械冰盖和基础水文模型反演，以从南极东部Dome A周围地区的多种雷达观测数据中推断出地热热流量（GHF）和累积速率。我们的正向模型解决了冰盖流场，温度和基础水文学（包括融化，水运和冻结）之间耦合的稳态问题。我们对基础水，冻结层和内部层的雷达观测进行拟合，以及基于航空磁观测的GHF先验。我们首先通过使用进化算法，然后进行局部扰动测试，最小化组合失配函数。除了推断GHF的空间分布和累积速率外，我们还能够估计关于最佳答案的不确定性，以及量化结果如何依赖于每个单独的数据约束。我们的结果证明了一种将多种冰川学约束组合到单个冰盖逆模型中的新方法，并为我们提供了每个数据集提供的信息内容的更为严格的描述。在随附的论文中，我们分析和解释了最佳拟合模型。我们首先通过使用进化算法，然后进行局部扰动测试，最小化组合失配函数。除了推断GHF的空间分布和累积速率外，我们还能够估计关于最佳答案的不确定性，以及量化结果如何依赖于每个单独的数据约束。我们的结果证明了一种将多种冰川学约束组合到单个冰盖逆模型中的新方法，并为我们提供了每个数据集提供的信息内容的更为严格的描述。在随附的论文中，我们分析和解释了最佳拟合模型。我们首先通过使用进化算法，然后进行局部扰动测试，来最小化组合失配函数。除了推断GHF的空间分布和累积速率外，我们还能够估计关于最佳拟合答案的不确定性，以及量化我们的结果如何依赖于每个单独的数据约束。我们的结果证明了一种将多种冰川学约束组合到单个冰盖逆模型中的新方法，并为我们提供了每个数据集提供的信息内容的更为严格的描述。在随附的论文中，我们分析和解释了最佳拟合模型。以及量化我们的结果如何取决于每个单独的数据约束。我们的结果证明了一种将多种冰川学约束组合到单个冰盖逆模型中的新方法，并为我们提供了每个数据集提供的信息内容的更为严格的描述。在随附的论文中，我们分析和解释了最佳拟合模型。以及量化我们的结果如何取决于每个单独的数据约束。我们的结果证明了一种将多种冰川学约束组合到单个冰盖逆模型中的新方法，并为我们提供了每个数据集提供的信息内容的更为严格的描述。在随附的论文中，我们分析和解释了最佳拟合模型。