The evolution of Arctic permafrost over the last 3 centuries from ensemble simulations with the CryoGridLite permafrost model
Notice bibliographique
Résumé
Abstract. Understanding the future evolution of permafrost requires a better understanding of its climatological past. This requires permafrost models to efficiently simulate the thermal dynamics of permafrost over the past centuries to millennia, taking into account highly uncertain soil and snow properties. In this study, we present a computationally efficient numerical permafrost model which satisfactorily reproduces the current ground temperatures and active layer thicknesses of permafrost in the Arctic and their trends over recent centuries. The performed simulations provide insights into the evolution of permafrost since the 18th century and show that permafrost on the North American continent is subject to early degradation, while permafrost on the Eurasian continent is relatively stable over the investigated 300-year period. Permafrost warming since industrialization has occurred primarily in three “hotspot” regions in northeastern Canada, northern Alaska, and, to a lesser extent, western Siberia. We find that the extent of areas with a high probability (p3 m>0.9) of near-surface permafrost (i.e., 3 m of permafrost within the upper 10 m of the subsurface) has declined substantially since the early 19th century, with loss accelerating during the last 50 years. Our simulations further indicate that short-term climate cooling due to large volcanic eruptions in the Northern Hemisphere in some cases favors permafrost aggradation within the uppermost 10 m of the ground, but the effect only lasts for a relatively short period of a few decades. Despite some limitations, e.g., with respect to the representation of vegetation, the presented model shows great potential for further investigation of the climatological past of permafrost, especially in conjunction with paleoclimate modeling.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».