本文研究了格陵兰东北冰流中的冰变形机制,首次利用分布式声学传感技术(DAS)观察到冰内地震事件的级联,揭示了脆性变形现象。这些发现对冰流动力学和海平面上升预测具有重要意义,尽管存在空间和时间分布的不确定性。
研究发现,格陵兰Eqip Sermia冰川的崩解模式受季节性周期影响,崩解事件的体积和频率随时间变化。亚冰川排放和床面地形对崩解过程至关重要,而短期气温变化对崩解活动的影响有限。
本文研究南极和格陵兰岛冰架崩解过程,提出冰架崩解通量与扩展速率之间存在幂律关系,解释了91%的方差。研究表明,冰架崩解与海平面上升密切相关,理解其机制对未来变化预测至关重要。
科学家发现格陵兰鲨鱼的长寿与其持续的代谢活动有关。研究表明,格陵兰鲨的代谢率不会随着年龄增长而改变,与其他动物不同。这意味着它们不会像其他动物那样衰老,拥有惊人的长寿。
本研究使用图神经网络(GNN)开发了快速代理模型,解决冰川动力学问题。通过训练和测试3个GNN,结果显示这些GNN能够以更高准确性重建冰厚度和速度,并成功捕捉到Pine Island Glacier中的冰量减少和加速。应用于GPU上的GNN模拟器计算时间比基于CPU的ISSM模拟快50倍。
完成下面两步后,将自动完成登录并继续当前操作。