Loss of Ice Cover, Shifting Phenology, and More Extreme Events in Northern Hemisphere Lakes
Notice bibliographique
Résumé
Abstract Long‐term lake ice phenological records from around the Northern Hemisphere provide unique sensitive indicators of climatic variations, even prior to the existence of physical meteorological measurement stations. Here, we updated ice phenology records for 60 lakes with time‐series ranging from 107–204 years to provide the first re‐assessment of Northern Hemispheric ice trends since 2004 by adding 15 additional years of ice phenology records and 40 lakes to our study. We found that, on average, ice‐on was 11.0 days later, ice‐off was 6.8 days earlier, and ice duration was 17.0 days shorter per century over the entire record for each lake. Trends in ice‐on and ice duration were six times faster in the last 25‐year period (1992–2016) than previous quarter centuries. More extreme events in recent decades, including late ice‐on, early ice‐off, shorter periods of ice cover, or no ice cover at all, contribute to the increasing rate of lake ice loss. Reductions in greenhouse gas emissions could limit increases in air temperature and abate losses in lake ice cover that would subsequently limit ecological, cultural, and socioeconomic consequences, such as increased evaporation rates, warmer water temperatures, degraded water quality, and the formation of toxic algal blooms.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».