Climate Dashboard 上的冰川
摘要
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。
暂无内容
查看缓存全文
缓存时间: 2026/08/12 17:21
# 冰川物质平衡 | Climate Dashboard
Source: https://climate.metoffice.cloud/glaciers.html
### 为什么冰川很重要?
冰川是重要的水资源储存库。它们在旱季融化提供人类用水。因此,冰川的消失可能导致季节性可用水减少,影响许多人的生活。如果冰川融化——正如过去30年详细测量所显示的那样——水最终会流入海洋,导致海平面上升,这可能对沿海社区产生影响。
### 冰川发生了怎样的变化?
冰川上降雪积累的质量与冰损失之间的平衡,即物质平衡,控制着冰川随时间的变化。下部冰川的融化可能导致末端退缩到更高更冷的海拔。降雪增加可能使冰川向下推进,直到末端融化加剧使其停止。如果末端位于海洋中,较暖的水会使冰川融化,冰川流动加快,产生更多冰山。冰川不仅对温度和降雪变化敏感,还受其他因素影响,如海水温度、湿度、云量以及降水是雨还是雪。
全球有数千条冰川,不可能对所有冰川进行详细测量。World Glacier Monitoring Service 监测了19个山区的参考冰川。这些冰川的物质平衡在过去31年中一直为负值,也就是说它们总体上一直在萎缩。
自1976年以来的累计质量损失相当于约20米水当量。“水当量”是指如果将失去的冰雪全部融化,在冰川上得到的水深。雪和冰的密度可能差异很大,取决于雪的压实程度以及冰中封存的空气量。使用“水当量”可以保证测量之间的一致性。
更长的记录表明,自19世纪以来,冰川一直处于长期退缩状态。
### 如何测量冰川物质平衡?
物质平衡通过多种技术进行测量。冰损失可以通过打入冰川表面深处的标杆来测量。随着冰融化,标杆露出更多,从而可以量化冰损失。积累也可以通过标杆测量:挖掘雪坑可以显示新雪的积累量,或者穿透新雪探测下方坚硬的冰面,甚至还可以分析冰裂缝暴露出的年积雪层。不同技术的组合提供了关于冰川表面质量增加和损失的信息。
冰川的高度和形状可以通过雷达、可见光传感器等手段从太空绘制。大型冰体也可以通过专门测量地球重力场的科学任务进行监测,例如 GRACE。
### 为什么冰川发生了变化?
冰川对温度变化、通过云量和反照率变化到达冰川的太阳辐射强度,以及降水均有响应。冰川的流动速度也可能受到表面坡度变化的影响。这可能是由于下游变化引起的,例如支撑性冰架的消失、融水或降雨导致的基底润滑作用变化,或海水渗入。每条冰川都受到上述因素的独特组合影响,因此冰川之间的物质平衡存在差异。
IPCC AR5 得出结论:“*对自20世纪60年代以来观测到的质量损失估计的稳健性、我们对长期冰川记录中自然变化和内部变率估计的信心,以及我们对冰川对气候驱动因素响应的理解,提供了有力的证据,因此我们可以高度确信,冰川质量损失的很大一部分可能源于人类影响。*”
### 了解更多?
更多详细信息可从 World Glacier Monitoring Service (https://wgms.ch/) 获取。
更多科学信息和参考文献:
#### 冰川
##### WGMS
- **信息来源:**WGMS \(2023, updated and earlier reports\)\. Global Glacier Change Bulletin No\. 5 \(2020\-2021\)\. Zemp, M\., Gärtner\-Roer, I\., Nussbaumer, S\.U\., Welty, E\.Z\., Dussaillant, I\., and Bannwart, J\. \(eds\.\), ISC\(WDS\)/IUGG\(IACS\)/UNEP/UNESCO/WMO, World Glacier Monitoring Service, Zurich, Switzerland, 134 pp\., publication based on database version: doi:10\.5904/wgms\-fog\-2023\-09 (https://doi.org/10.5904/wgms-fog-2023-09)
- **信息引用:**WGMS \(2023, updated and earlier reports\)\. Global Glacier Change Bulletin No\. 5 \(2020\-2021\)\. Zemp, M\., Gärtner\-Roer, I\., Nussbaumer, S\.U\., Welty, E\.Z\., Dussaillant, I\., and Bannwart, J\. \(eds\.\), ISC\(WDS\)/IUGG\(IACS\)/UNEP/UNESCO/WMO, World Glacier Monitoring Service, Zurich, Switzerland, 134 pp\., publication based on database version: doi:10\.5904/wgms\-fog\-2023\-09
##### Zemp et al. \(2019\)
- **信息来源:**Zemp, M\., Huss, M\., Thibert, E\. et al\. Global glacier mass changes and their contributions to sea\-level rise from 1961 to 2016\. Nature 568, 382\-386 \(2019\)\. https://doi\.org/10\.1038/s41586\-019\-1071\-0 (https://www.nature.com/articles/s41586-019-1071-0)
- **信息引用:**Zemp, Michael, Huss, Matthias, Thibert, Emmanuel, Eckert, Nicolas, McNabb, Robert, Huber, Jacqueline, Cogley, J\. Graham\. \(2019\)\. Global and regional glacier mass changes from 1961 to 2016 \(Version 1\.0\.0\) \[Data set\]\. Zenodo\. http://doi\.org/10\.5281/zenodo\.1492141
#### 海平面
##### CSIRO
- **信息来源:**Watson, Christopher S\., Neil J\. White, John A\. Church, Matt A\. King, Reed J\. Burgette, and Benoit Legresy\. Unabated global mean sea\-level rise over the satellite altimeter era\. Nature Climate Change 5, no\. 6 \(2015\): 565\. http://dx\.doi\.org/10\.1038/nclimate2635 (https://www.nature.com/articles/nclimate2635)
##### AVISO
- **信息来源:**Legeais, J\.\-F\., Ablain, M\., Zawadzki, L\., Zuo, H\., Johannessen, J\. A\., Scharffenberg, M\. G\., Fenoglio\-Marc, L\., Fernandes, M\. J\., Andersen, O\. B\., Rudenko, S\., Cipollini, P\., Quartly, G\. D\., Passaro, M\., Cazenave, A\., and Benveniste, J\. \(2018\)\. An improved and homogeneous altimeter sea level record from the ESA Climate Change Initiative\. Earth System Science Data, 10, 281\-301\. DOI: 10\.5194/essd\-10\-281\-2018 (https://www.earth-syst-sci-data.net/10/281/2018/)
##### CMEMS
- **信息来源:**Pujol, M\.\-I\., Faugere, Y,\., Taburet, G\., Dupuy, S\., Pelloquin, C\., Ablain, M\., and Picot, N\.:DUACS DT2014: the new multi\-mission altimeter data set reprocessed over 20 years, Ocean Sci\., 12, 1067\-1090\. doi: 10\.5194/os\-12\-1067\-2016, 2016\. (https://www.ocean-sci.net/12/1067/2016/)
- **信息来源:**Ablain, M\., Legeais, J\.\-F\., Prandi, P\., Marcos, M\., Fenoglio\-Marc, L\., Dieng, H\.\-B\., Benveniste, J\. and Cazenave, A\.: Satellite altimetry\-based sea level at global and regional scales, Surv Geophys\., 38, 7\-31\. doi: 10\.1007/s10712\-016\-9389\-8, 2017\. (https://link.springer.com/article/10.1007%2
相似文章
哪个地点,以及何时:基于免费卫星数据的喜马拉雅冰川湖溃决、滑坡和冰洪水测试
本文评估了使用免费卫星数据(雷达干涉测量和天气)的机器学习模型,以预测哪些喜马拉雅冰川湖面临溃决洪水风险以及触发何时发生,在尼泊尔实现了高达0.89的ROC分数,并提供了排名观察清单。
格陵兰伊卢利萨特冰山崩塌并翻转(2026年7月25日)[视频]
格陵兰伊卢利萨特附近的一座巨大冰山发生崩塌并翻滚,AfarTV的4K直播完整捕捉了这一过程,展示了融化和结构失效导致的不稳定性。
Climate.gov被摧毁,开放数据拯救了它
前NOAA员工利用开放的政府数据重建了联邦气候网站Climate.gov,将其更名为Climate.us。此前,特朗普政府削减了资金并下线了原网站,从而挽救了超过15年的关键气候资源。
混合NARX-LLM的格陵兰冰山排放预测:提示驱动的残差校正
本文提出了一种混合NARX-LLM框架用于预测格陵兰冰山排放,采用物理知识提示方法引导大语言模型进行残差校正,相比传统NARX模型提高了预测精度。
GLACIER: 一种用于分子性质预测的多模态学生-教师基础模型
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。