Climate Change and Tropical Andean Glacier Recession: Evaluating Hydrologic Changes and Livelihood Vulnerability in the Cordillera Blanca, Peru
Notice bibliographique
Résumé
Abstract Climate change is forcing dramatic glacier mass loss in the Cordillera Blanca, Peru, resulting in hydrologic transformations across the Rio Santa watershed and increasing human vulnerability. This article presents results from two years of transdisciplinary collaborative research evaluating the complex relationships between coupled environmental and social change in the region. First, hydrologic results suggest there has been an average increase of 1.6 (± 1.1) percent in the specific discharge of the more glacier-covered catchments (>20 percent glacier area) as a function of changes in stable isotopes of water (δ18O and δ2H) from 2004 to 2006. Second, there is a large (mean 60 percent) component of groundwater in dry season discharge based on results from the hydrochemical basin characterization method. Third, findings from extensive key interviews and seventy-two randomly sampled household interviews within communities located in two case study watersheds demonstrate that a large majority of households perceive that glacier recession is proceeding very rapidly and that climate change–related impacts are affecting human vulnerability across multiple shifting vectors including access to water resources, agro-pastoral production, and weather variability. El cambio climático está causando una dramática pérdida de masa en los glaciares de la Cordillera Blanca, Perú, generando transformaciones hidrológicas en toda la cuenca del Río Santa e incrementando la vulnerabilidad humana. Este artículo presenta los resultados de dos años de investigación colaborativa transdisciplinaria para evaluar las complejas relaciones entre los cambios ambientales y sociales en la región. Primero, los resultados hidrológicos sugieren que ha habido un incremento promedio del 1.6 (±1.1) por ciento en la descarga específica de los desagües con mayor cobertura de glaciares (>20 por ciento de área glaciada), como una función del cambio en isótopos estables del agua (δ18O and δ2H) entre 2004 y 2006. Segundo, hay un gran componente (media de 60 por ciento) de agua subterránea en el descargue de la estación seca basado en resultados del método de caracterización de la cuenca hidroquímica. Tercero, los descubrimientos derivados de detalladas entrevistas a informantes claves y setenta y dos entrevistas de muestra aleatoria administradas a hogares de comunidades pertenecientes a dos estudios de caso de cuencas, demuestran que la gran mayoría de la gente intuye que la recesión de los glaciares está avanzando rápidamente y que los impactos relacionados con cambio climático afectan la vulnerabilidad humana por medio de muchos vectores cambiantes, incluyendo el acceso a los recursos hídricos, producción agro-pastoral y variación meteorológica. Key Words: climate changeglacier recessionhydrologylivelihoodsvulnerability关键词: 气候变化冰川衰退水文生计脆弱性Palabras clave: cambio climáticorecesión de glaciareshidrologíamedios de vidavulnerabilidad Acknowledgments This research was funded by the National Science Foundation (NSF No. 0752175, BCS—Geography and Regional Science) and included a Research Experience for Undergraduates (REU) Supplement. Additional funding for the LIDAR flight came from the National Aeronautics and Space Administration (NASA No. NNX06AF11G), The National Geographic Society Committee for Research and Exploration, and the Ohio State University Climate, Water & Carbon Program, and the Faculty Senate of the University of California, Santa Cruz. We acknowledge the cooperative assistance of Peruvian colleagues Ing. Ricardo J. Gomez, Ing. Marco Zapata, and others at the Unidad de Glaciología y Recursos Hídricos in Huaraz, Peru, and the following interview research assistants: Carlos Torres Beraun, Oscar Lazo Ita, Erlinda Marilu Pacpac, Jesus Yovana Castillo, and Gladys Jimenez. We recognize REU undergraduates Laurel Hunt, Sarah Knox, Galen Licht, Sara Reid, Michael Shoenfelt, Patrick Burns, Alyssa Singer, and Shawn Stone for fieldwork assistance. We also thank Kyung In Huh for assisting with LIDAR data display. This is Byrd Polar Research Center contribution number 1396.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».