A comparison of glacial and paraglacial denudation responses to rapid glacial retreat
Notice bibliographique
Résumé
Abstract Glacier thinning and retreat drives initial acceleration of glacier sliding and erosion, de-buttressing of steep valley walls, and destabilization of ice-marginal deposits and bedrock, which can lead to massive rock avalanching and accelerated incision of tributary watersheds. A compelling example of these changes occurred in Taan Fjord in SE Alaska due to the rapid thinning and retreat of Tyndall Glacier over the past half century. Increased glacier sliding speeds led to both increased rates of subglacial erosion and the evacuation of subglacially stored sediments into the proglacial basins. The shrinking glacier also exposed proglacial tributary watersheds to rapid incision and denudation driven by >350 m of baselevel fall in a few decades. Moreover, in October 2015 a large tsunamigenic landslide occurred at the terminus of Tyndall Glacier, largely due to thinning exposing oversteepened, unstable slopes. Sediment yields from the glacier, the landslide and the tributary watersheds, measured from surveys of the sediments in the fjord collected in 1999 and 2016, are compared to ongoing changes in glacier and fjord geometry to investigate the magnitude of glacial and paraglacial denudation in Taan Fjord during retreat. In the last 50 years, sediment yields from the glacier and non-glacial tributaries kept pace with the rapid rate of retreat, and were on par with each other. Notably, basin-averaged erosion rates from the paraglacial landscape were twice that from the glacier, averaging 58 ± 9 and 26 ± 5 mm a −1 , respectively. The sharp increases in sediment yields during retreat observed from both the glacier and the adjacent watersheds, including the landslide, highlight the rapid evolution of landscapes undergoing glacier shrinkage.
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 | 0,000 | 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) | 0,001 | 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 ».