MétaCan
Menu
Retour à la cohorte
Enregistrement W2209824638 · doi:10.1175/jcli-d-15-0569.1

Quantification of Warming Climate-Induced Changes in Terrestrial Arctic River Ice Thickness and Phenology

2015· article· en· W2209824638 sur OpenAlexaff
Hotaek Park, Yasuhiro YOSHIKAWA, Kazuhiro Oshima, Youngwook Kim, Thanh Ngo‐Duc, John S. Kimball, Daqing Yang

Notice bibliographique

RevueJournal of Climate · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesCanon Foundation for Scientific Research
Mots-clésEnvironmental scienceClimatologyArctic ice packCryosphereSea iceSnowClimate changePhenologyArcticMelt pondSnowmeltSea ice thicknessAtmospheric sciencesGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract A land process model [the coupled hydrological and biogeochemical model (CHANGE)] is used to quantitatively assess changes in the ice phenology, thickness, and volume of terrestrial Arctic rivers from 1979 to 2009. The CHANGE model was coupled with a river routing and discharge model enabling explicit representation of river ice and water temperature dynamics. Model-simulated river ice phenological dates and thickness were generally consistent with in situ river ice data and landscape freeze–thaw (FT) satellite observations. Climate data indicated an increasing trend in winter surface air temperature (SAT) over the pan-Arctic during the study period. Nevertheless, the river ice thickness simulations exhibited a thickening regional trend independent of SAT warming, and associated with less insulation and cooling of underlying river ice by thinning snow cover. Deeper snow depth (SND) combined with SAT warming decreased simulated ice thickness, especially for Siberian rivers, where ice thickness is more strongly correlated with SND than SAT. Overall, the Arctic river ice simulations indicated regional trends toward later fall freezeup, earlier spring breakup, and consequently a longer annual ice-free period. The simulated ice phenological dates were significantly correlated with seasonal SAT warming. It is found that SND is an important factor for winter river ice growth, while ice phenological timing is dominated by seasonal SAT. The mean total Arctic river ice volume simulated from CHANGE was 54.1 km3 based on the annual maximum ice thickness in individual grid cells, while river ice volume for the pan-Arctic rivers decreased by 2.82 km3 (0.5%) over the 1979–2009 record. Arctic river ice is shrinking as a consequence of regional climate warming and coincident with other cryospheric components, including permafrost, glaciers, and sea ice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,269

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,273
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations72
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207