A decade of winter supraglacial lake drainage across Northeast Greenland using C-band SAR
Notice bibliographique
Résumé
Abstract. This study presents a comprehensive, multi-year assessment of winter supraglacial lake drainages on the Northeast Greenland Ice Sheet, detailing cascading drainage events, examining links to melt-season conditions, and evaluating their potential impact on ice dynamics. Supraglacial lakes can drain rapidly, delivering meltwater to the ice-sheet bed, increasing basal water pressure, reducing friction, and accelerating ice flow. Such drainage events are well-documented across Greenland during the melt season using optical satellite imagery. Recent studies using satellite and airborne radar data reveal that many supraglacial lakes persist beyond summer and may also drain during winter, potentially affecting ice dynamics in a manner similar to melt-season drainages. Here, we use C-band synthetic aperture radar imagery from Sentinel-1 and RADARSAT Constellation Mission spanning ten consecutive winters (2014/2015–2023/2024), to detect winter lake drainages. We develop a normalization method to integrate images from varying acquisition geometries, enabling high-temporal-resolution monitoring. Our analysis identifies 90 winter drainage events from 55 unique lakes, exhibiting substantial interannual variability – from a maximum of 18 events in winter 2018/2019 to a minimum of four events in both 2020/2021 and 2021/2022. Drainages occurred most frequently in early winter, with decreasing frequency as winter progressed. Approximately half of the observed drainages were part of 13 cascading events, each involving two to seven lakes over distances up to ~33 km. Comparisons with preceding melt-season conditions reveal negative correlations between winter drainage frequency and both melt-season intensity and melt-season drainage frequency. Ice velocity analyses over the ten-year period show no sustained seasonal or annual increases attributable to winter drainages, although isolated short-term increases (6–12-day) were observed.
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 | 0,002 | 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) | 0,000 | 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 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 ».