全球冰川灭绝探索器

Hacker News Top 论文

摘要

本研究将重点转向单个冰川的灭绝,使用多种气候模型在不同的变暖情景下预测其消失年份,结果通过一个交互式网络应用程序呈现。

暂无内容
查看原文
查看缓存全文

缓存时间: 2026/09/11 17:23

# 全球冰川消亡探索器 来源:https://glacierextinction.com/ 冰川变化传统上以(区域)总质量损失和面积减少来量化,但这些指标未能完全反映单个冰川的消失过程。然而,无论多小,每一处冰川都至关重要。除了对海平面上升和区域水资源的贡献外,冰川还承载着重要的文化、生态和社会价值,这些价值往往深深植根于当地景观与社区之中。因此,在联合国国际冰川保护年(2025)背景下,本研究将焦点转向全球范围内单个冰川的命运。 为评估冰川消亡,采用了两项互补标准:当冰川面积降至0.01平方公里以下(与通用清查阈值一致),或残余体积低于初始值的1%(表明仅存在可忽略冰体)时,即认定冰川已消亡(灭绝)。研究采用三个全球冰川模型(GloGEM、OGGM、PyGEM),结合多种大气环流模型与对应温度升高预测(+1.5°C、+2.0°C、+2.7°C、+4.0°C)的排放情景,推演各冰川的体积与面积变化轨迹。所有轨迹经综合处理后确定冰川消亡的中位数年份及Q25与Q75范围(即25%与75%概率区间),结果呈现在地图上。 消亡的定义基于伦道夫冰川清单(RGI v6.0)的初始冰川轮廓。研究未考虑冰川退缩过程中的分裂现象,原始冰川范围内的所有残存冰体均视为同一冰川组成部分。 ### 数据来源 - **消亡预测数据:** Van Tricht, L., Zekollari, H., Huss, M. et al. 本世纪中叶冰川消亡峰值。《自然·气候变化》16卷,143–147页(2026年)。doi:10.1038/s41558-025-02513-9 (https://doi.org/10.1038/s41558-025-02513-9) - **区域与冰川具体结果**(包含本页面展示数据)可在Zenodo公开获取:doi:10.5281/zenodo.17371641 (https://doi.org/10.5281/zenodo.17371641) - **冰川轮廓数据:** RGI Consortium (2017). 伦道夫冰川清单——全球冰川轮廓数据集(第6版)。美国科罗拉多州博尔德市。美国国家冰雪数据中心。doi:10.7265/4m1f-gd79 (https://doi.org/10.7265/4m1f-gd79) - **冰体积数据:** Farinotti, D., Huss, M., Fürst, J. J., Landmann, J., Machguth, H., Maussion, F., and Pandit, A.: 全球冰川冰层厚度分布共识估算。《自然·地球科学》12卷,168–173页,doi:10.1038/s41561-019-0300-3 (https://doi.org/10.1038/s41561-019-0300-3), 2019年。 ### 致谢 本应用基于以下开源软件构建:MapLibre GL JS (https://maplibre.org/)(地图渲染)、PMTiles (https://protomaps.com/docs/pmtiles)(矢量瓦片流传输)、GeoPandas (https://geopandas.org/)与NumPy (https://numpy.org/)(数据处理)、GDAL/ogr2ogr (https://gdal.org/)(瓦片生成)、go-pmtiles (https://github.com/protomaps/go-pmtiles)(瓦片打包)。该网络应用由K. Van Tricht (https://www.linkedin.com/in/kristofvantricht/)设计开发,前端代码与数据处理架构得到Claude Sonnet 4.6与GPT-6 Astra的协助。 ### 反馈 如发现数据错误或对命名优化有建议,请发送邮件至[[email protected]](mailto:[email protected])。

相似文章

Climate Dashboard 上的冰川

Hacker News Top

Met Office 的 Climate Dashboard 解释了冰川的重要性、近几十年来观测到的冰川质量损失,以及用于测量冰川物质平衡的方法,强调了关于气候驱动的冰川退缩的科学共识。

GLACIER: 一种用于分子性质预测的多模态学生-教师基础模型

arXiv cs.LG

本文介绍了GLACIER,一种多模态学生-教师基础模型,它整合了分子图、SMILES字符串和物理化学描述符,以高效预测分子性质。它利用Finsler几何感知融合以及来自更大教师模型(MiniMol、MolFormer)的知识蒸馏,以轻量级架构实现高性能。