Rapid neoglaciation on Ellesmere Island promoted by enhanced summer snowfall in a transient climate model simulation of the middle-late-Holocene
Notice bibliographique
Résumé
Arctic neoglaciation following the Holocene Thermal Maximum is an important feature of late-Holocene climate. We investigated this phenomenon using a transient 6000-year simulation with the CESM-CAM5 climate model driven by orbital forcing, greenhouse gas concentrations, and a land use reconstruction. During the first three millennia analyzed here (6–3 ka), mean Arctic snow depth increases, despite enhanced greenhouse forcing. Superimposed on this secular trend is a very abrupt increase in snow depth between 5 and 4.9 ka on Ellesmere Island and the Greenland coasts, in rough agreement with the timing of observed neoglaciation in the region. This transition is especially extreme on Ellesmere Island, where end-of-summer snow coverage jumps from nearly 0 to virtually 100% in 1 year, and snow depth increases to the model’s imposed maximum within 15 years. This climatic shift involves more than the Milankovitch-based expectation of cooler summers causing less snow melt. Coincident with the onset of the cold regime are two consecutive summers with heavy snowfall on Ellesmere Island that help to short-circuit the normal seasonal melt cycle. These heavy snow seasons are caused by synoptic-scale, cyclonic circulation anomalies over the Arctic Ocean and Canadian Archipelago, including an extremely positive phase of the Arctic Oscillation. Our study reveals that a climate model can produce sudden climatic transitions in this region prone to glacial inception and exceptional variability, due to a dynamic mechanism (more summer snowfall induced by an extreme circulation anomaly) that augments the traditional Milankovitch thermodynamic explanation of orbitally induced glacier development.
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) | 0,000 | 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 ».