Glaciers in western North America experience exceptional transient snowline rise over satellite era
Notice bibliographique
Résumé
Abstract We analyze changes in the maximum annual transient snowline elevation (MATSL) of glaciers for two regions in western North America from 1984 to 2024 using five satellite remote sensing datasets. MATSL reached its highest elevations in 2019 (155 m above the long-term average) for Alaska (Region 1) and in 2023 (148 m) for Western Canada and USA (Region 2). The rate of MATSL rise accelerated fourfold, increasing from 2.1 ± 0.8 m a−1 in 1984–2010 (r 2 = 0.1, p < 0.01) to 8.9 ± 1.7 m a−1 in 2010–2024 (r 2 = 0.5, p < 0.01). In 2019, 91 glaciers exceeded the 95th percentile MATSL elevation, a threshold indicative of complete loss of the accumulation area, in Region 1. In Region 2, 149 glaciers exceeded this threshold in 2023. Year-to-year variability in MATSL was strongly influenced by mean summer air temperature with sensitivities of +46 m °C−1 (r 2 = 0.54) and +23 m °C−1 (r 2 = 0.30) for Regions 1 and 2, respectively. Mean spring snow water equivalent also played an important role with sensitivities of −351 mm w.e.−1 (r 2 = 0.48) and −155 mm w.e.−1 (r 2 = 0.37), respectively. Per-glacier analysis revealed that south-facing slopes experienced the largest MATSL increases. Terrain attributes, including slope, aspect, hypsometry, and elevation, enhanced MATSL prediction models compared to those using only climate variables. The pronounced rise in MATSL underscores a critical glacier melt feedback mechanism, warranting further investigation. This study highlights the utility of automated MATSL time-series mapping for regional-scale analyses and identifies key limitations and opportunities for future research.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».