Winter Warm Spells and snowpack ablation in western North America
Notice bibliographique
Résumé
Winter warm spells (WWS) are extreme temperature anomalies that might impact the snowpack. WWS amplify snowmelt and sublimation in mountain regions with uncertain consequences to timing and volume of water resources. Most studies focus on the spring season when snowmelt rates and streamflow response are high. However, winter snowmelt events are important in places where the snowpack and air temperatures are closer to the freezing point during winter, and thus it will become important in other regions in a warmer climate.This study aims to understand the effect of WWS on snowpack ablation patterns in the mountainous western North America and how they might change under a warmer climate. For this, we use two convection permitting regional climate model simulations to represent historical (2001-2013) and future atmospheric and the surface conditions. The future simulation is performed with a Pseudo Global Warming approach for a high emission scenario (RCP8.5). We verify WWS using gridded maximum daily temperature observation, and winter ablation using snow pillows. Then we characterize WWS and relate them to snowpack ablation.Although days with ablation during WWS represent a small fraction (8.3%, 0.6 days on average), 55% of total ablation occurs during WWS over regions with significant snowpack (mean peak snow water equivalent over 150 mm). Consistently, a larger ablation rate (53%) is found during WWS than non-WWS events. Total ablation during WWS increases about 157% in a warmer climate; however, the extreme ablation (99th percentile) rates show slight decrease (5%). Classifying the domain based on its humidity and temperature, we found that ablation rates during WWS in humid regions are larger in a warmer climate than those of the dry regions, which is explained by the differences in the energy balance and the snowpack cold content. WWS predominantly drive snowmelt (93.8%) rather than sublimation (6.2%), which has relevance to water resources such as flood risk, soil moisture, and streamflow response. Furthermore, the median snowmelt rate during WWS found to increase in response to warming by 179% compared to the median sublimation rate (125%). This study provides a comprehensive description of the impact of extreme temperature events and a warmer climate over our changing snowpack. We acknowledge financial support by Centro CRHIAM Project ANID/FONDAP/15130015, and the Anillo project ACT-210080.
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 | 0,001 |
| 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 ».