Hydroclimatic Controls on the Isotopic (δ18 O, δ2 H, d-excess) Traits of Pan-Arctic Summer Rainfall Events
Notice bibliographique
Résumé
Arctic sea-ice loss is emblematic of an amplified Arctic water cycle and has critical feedback implications for global climate. Stable isotopes (δ18O, δ2H, d-excess) are valuable tracers for constraining water cycle and climate processes through space and time. Yet, the paucity of well-resolved Arctic isotope data preclude an empirically derived understanding of the hydrologic changes occurring today, in the deep (geologic) past, and in the future. To address this knowledge gap, the Pan-Arctic Precipitation Isotope Network (PAPIN) was established in 2018 to coordinate precipitation sampling at 19 stations across key tundra, subarctic, maritime, and continental climate zones. Here, we present a first assessment of rainfall samples collected in summer 2018 (n = 281) and combine new isotope and meteorological data with sea ice observations, reanalysis data, and model simulations. Data collectively establish a summer Arctic Meteoric Water Line where δ2H = 7.6⋅δ18O–1.8 (r2 = 0.96, p < 0.01). Mean amount-weighted δ18O, δ2H, and d-excess values were −12.3, −93.5, and 4.9‰, respectively, with the lowest summer mean δ18O value observed in northwest Greenland (−19.9‰) and the highest in Iceland (−7.3‰). Southern Alaska recorded the lowest mean d-excess (−8.2%) and northern Russia the highest (9.9‰). We identify a range of δ18O-temperature coefficients from 0.31‰/°C (Alaska) to 0.93‰/°C (Russia). The steepest regression slopes (>0.75‰/°C) were observed at continental sites, while statistically significant temperature relations were generally absent at coastal stations. Model outputs indicate that 68% of the summer precipitating air masses were transported into the Arctic from mid-latitudes and were characterized by relatively high δ18O values. Yet 32% of precipitation events, characterized by lower δ18O and high d-excess values, derived from northerly air masses transported from the Arctic Ocean and/or its marginal seas, highlighting key emergent oceanic moisture sources as sea ice cover declines. Resolving these processes across broader spatial-temporal scales is an ongoing research priority, and will be key to quantifying the past, present, and future feedbacks of an amplified Arctic water cycle on the global climate system.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».