Past and Future High-resolution Global Glacier Mass Changes
World-wide glaciers are losing mass which affects global sea-level, river runoff, freshwater influx to the oceans, glacier-related hazards, and landscape changes, with implications for human livelihoods and ecosystems. Hence, accu...
World-wide glaciers are losing mass which affects global sea-level, river runoff, freshwater influx to the oceans, glacier-related hazards, and landscape changes, with implications for human livelihoods and ecosystems. Hence, accurate estimates of past, current and future glacier mass variations at a high temporal and spatial resolution are key to effective adaptation strategies. However, previous mass-balance reconstructions and projections have relied on scarce observations with limited spatial and/or temporal resolution, as well as overparameterized, insufficiently constrained and highly simplified models, the latter necessitated by high computational costs incurred by the global scale.
GLACMASS will propel the current state-of-the-art of global-scale glacier reconstruction and projection forward in unprecedented ways by delivering a fundamentally novel and internally consistent physically-based modelling framework that draws, for the first time on a global scale, on both data assimilation and modern machine learning techniques facilitated by emerging global-scale glacier-related satellite-derived data. The framework will be used to reconstruct multi-decadal past glacier changes, and make policy-relevant multi-century projections of mass and area changes of all >200,000 glaciers outside the ice sheets with unprecedented accuracy, spatiotemporal detail and computational efficiency, and also nowcast present mass changes in a near-real-time fashion for selected regions. The model framework will fuse output from a novel physically-based glacier evolution model with all relevant observations available for each glacier, such as in-situ, geodetic and gravimetry-derived mass balances, as well as snowlines and other observations, thus simultaneously exploiting the untapped strengths of different types of observational data sets in an optimal manner.ver más
06-11-2024:
IDAE Cadena de Valor...
Se ha cerrado la línea de ayuda pública: Ayudas a Proyectos para reforzar la Cadena de Valor de equipos necesarios para la transición a una economía de cero emisiones netas
05-11-2024:
Cataluña Gestión For...
Se abre la línea de ayuda pública: Gestión Forestal Sostenible para Inversiones Forestales Productivas para el organismo:
04-11-2024:
Doctorados industria...
Se ha cerrado la línea de ayuda pública: Formación de doctores y doctoras de las universidades del Sistema universitario de Galicia (SUG) en empresas y centros de innovación y tecnología para el organismo:
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.