Modelling glacier mass balance and runoff in the Kaskawulsh River headwaters of southwest Yukon, Canada, 1980-2022
Notice bibliographique
Résumé
The highly-glacierized headwaters of the Kaskawulsh River are home to 9% of all glacier ice in Yukon, Canada, have been losing glacier mass at regionally representative rates, and were the source of a sudden meltwater-rerouting event in 2016 that has had significant downstream consequences. We use an enhanced temperature-index melt model driven by downscaled and bias-corrected climate reanalysis data to estimate the 1980-2022 glacier mass balance, discharge, and water budget of the Kaskawulsh River headwaters. We estimate a catchment-wide cumulative mass loss of 18.02 Gt over 1980-2022 (-0.38 +- 0.15 m w.e./a) and a mean annual discharge of ~60 m3/s, 25% of which originates from non-renewable glacier wastage. The water budget is dominated by glacier ice melt, accounting for 61% of mean annual discharge, followed by snowmelt at 31%, rainfall at 6%, and melt from refrozen ice layers at 2%. Extreme negative and positive mass-balance years produce the largest perturbations in glacier ice melt contributions to the water budget, ranging from a maximum of 67% following negative years to a minimum of 53% in positive years. Catchment-wide discharge increased by 3.90 m3/s per decade from 1980-2022, with statistically significant contributions from glacier ice melt (2.80 m3/s per decade) and rainfall (0.47 m3/s per decade). Rising air temperatures and declining spring snowfall have lead to seasonally accelerated snowline retreat, earlier ice exposure, and earlier onset of net ablation in the catchment at a rate of ~5 days per decade. Based on summer air temperatures projected by CMIP6, and the empirical sensitivities of modelled runoff we calculate for 1980-2022, we hypothesize a more than doubling of annual runoff from this catchment by 2080-2100. This result, combined with a decrease in the variability of discharge from glacier ice melt over 1980-2022, suggests that this catchment is unlikely to reach "peak water'' (i.e. peak glacier contribution to catchment runoff) this century.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».