A century of variability of heatwave-driven streamflow in melt-driven basins and implications under climate change
Notice bibliographique
Résumé
Abstract Meltwater runoff from snow and glaciers in high mountain regions supports the water needs of hundreds of millions of people, but extreme events such as heatwaves modify the timing and magnitude of water available for downstream communities and ecosystems. The streamflow response to heatwaves depends strongly on heatwave timing and temperature, and the amount of snow and glacier ice available to melt. However, as ongoing climate change continues to alter both seasonal melt patterns and the frequency and intensity of heatwaves, it is not well understood how such streamflow responses will evolve relative to the seasonal cycle of streamflow. We address this knowledge gap by using long-term meteorological and hydrological datasets to characterize spatial and temporal heterogeneity in the streamflow sensitivity to heatwaves at six basins with >80 years of observations in Western Canada. We use years with earlier freshets and less snowfall as proxies of anticipated climate change, and apply a metric to describe how the streamflow sensitivity to heatwaves varies across years with different hydro-climatological characteristics. We find that in future proxy years relative to baseline years, nival streamflow is more sensitive to early spring heatwaves but less sensitive to late spring and summer heatwaves. Relative to baseline years, late spring heatwaves in future proxy years generate a smaller fraction of peak streamflow that is diminished as the freshet progresses. Our findings imply that future heatwave-driven peak flows in spring may be lessened by the diminished streamflow sensitivity to heatwaves in late spring, but this may be partially offset by excess melt during future heatwaves that are longer and hotter.
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 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».