DOI: https://doi.org/10.5194/tc-20-4345-2026
تاريخ النشر: 2026-08-07
المؤلف: Emily Glen وآخرون
الموضوع الرئيسي: دراسات وملاحظات الكريوسفير
نظرة عامة
تقدم هذه الدراسة التصنيف الشامل الأول للثلج الذائب عبر صفائح جليد غرينلاند (GrIS) باستخدام صور Sentinel-2 ومصنف الغابة العشوائية، تغطي الفترة من 2016 إلى 2024. تكشف النتائج أن الثلج الذائب، الذي يُعرف بأنه ثلج أو فيرن مشبع بالماء، يشغل متوسط مدى موسمي قدره 2.8% من صفائح الجليد (حوالي 48,100 كم²)، مع تباين كبير بين السنوات—يتراوح من 1.1% (∼18,700 كم²) في 2018 إلى 5.1% (∼88,500 كم²) في 2019. التوزيع المكاني للثلج الذائب هو الأكثر اتساعًا في الأحواض الجنوبية الغربية والشمالية، وارتباط حدوثه بعوامل مثل تعرض الجليد العاري وتنوع الفيرن. من الجدير بالذكر أن الثلج الذائب وُجد أنه السمة السطحية الرئيسية لمياه الذوبان، حيث كانت مساحته في 2019 أكبر بتسع مرات من تلك الخاصة بالبحيرات فوق الجليدية والقنوات والشقوق المملوءة بالماء مجتمعة.
تسلط الدراسة الضوء على أن مدى الثلج الذائب وحدوثه مرتبطان بزيادة ذوبان الثلوج وانخفاض محتوى الهواء في الفيرن، مما يشير إلى أن الثلج الذائب قد يؤثر بشكل كبير على توازن الطاقة السطحية لصفائح الجليد. تشير تقديرات أولية إلى أن الثلج الذائب قد يساهم بمقدار إضافي قدره 12.4 غيغا طن سنويًا في الذوبان إذا تم تحويله بالكامل. نظرًا لدوره الحاسم في النظام الهيدرولوجي السطحي، يجادل المؤلفون بضرورة تضمين الثلج الذائب بشكل صريح في نماذج توازن الكتلة السطحية والهيدرولوجية لتعزيز توقعات سلوك صفائح الجليد المستقبلية تحت تغير المناخ. تعتبر مجموعة البيانات التي تم إنشاؤها على مدى تسع سنوات في هذه الدراسة موردًا أساسيًا لتحسين فهم الديناميات الهيدرولوجية المتطورة لصفائح الجليد.
مقدمة
تعاني صفائح جليد غرينلاند (GrIS) من توازن كتلة سلبي كبير، حيث فقدت حوالي 169 ± 9 غيغا طن سنويًا من 1992 إلى 2020، ويرجع ذلك أساسًا إلى ذوبان السطح والجريان السطحي. ارتفعت متوسط درجة حرارة الهواء الصيفية فوق صفائح الجليد بمقدار حوالي 1.7 °م بين 1991 و2019، مما أدى إلى زيادة بنسبة 21% في الجريان السطحي خلال الفترة 2011-2020 مقارنة بالعقود الثلاثة السابقة. لقد أدت هذه الاتجاهات في الاحترار، جنبًا إلى جنب مع تكرار أحداث الذوبان الشديدة، إلى توسيع ميزات مياه الذوبان فوق الجليد، وخاصة البحيرات، إلى ارتفاعات أعلى. من الجدير بالذكر أن الحد الأعلى لارتفاع الجريان السطحي زاد بمقدار يصل إلى 329 مترًا فوق مستوى سطح البحر بين 1985 و2020، جنبًا إلى جنب مع انخفاض في محتوى الهواء في الفيرن في بعض المناطق.
تؤدي ظاهرة الثلج الذائب، التي تُعرف بأنها فيرن أو ثلج مشبع بالماء، دورًا حيويًا في هيدرولوجيا صفائح الجليد. إنها تسهل التدفق الجانبي لمياه الذوبان، مما يعزز الاتصال الهيدرولوجي وقد يؤثر على ديناميات الجليد من خلال توفير مسارات لمياه الذوبان للوصول إلى قاع صفائح الجليد. على الرغم من أهميتها، تم تجاهل الثلج الذائب إلى حد كبير في جهود رسم خرائط مياه الذوبان على نطاق واسع. تشير الدراسات الحديثة إلى تباين كبير بين السنوات في مدى الثلج الذائب وحدود الارتفاع، مع زيادة ملحوظة لوحظت خلال سنوات الذوبان الشديدة. تهدف هذه الدراسة إلى تطبيق سير عمل تعلم الآلة لتصنيف الثلج الذائب الأزرق عبر صفائح الجليد باستخدام صور Sentinel-2، مما ينتج مجموعة بيانات شاملة ستسمح بفحص مفصل لتوزيع الثلج الذائب، واستمراريته، ودوره ضمن نظام مياه الذوبان الأوسع لصفائح الجليد.
طرق
في هذه الدراسة، سعى المؤلفون إلى تحسين تصنيف الثلج الذائب على صفائح جليد غرينلاند (GrIS) باستخدام تقنيات تعلم الآلة المتقدمة، وتحديدًا خوارزميات الغابة العشوائية (RF)، بدلاً من الطرق التقليدية المعتمدة على العتبات. لقد نجحت الدراسات السابقة في الاستشعار عن بعد في رسم ميزات فوق جليدية مميزة مثل البحيرات والقنوات ولكن واجهت صعوبات مع الثلج الذائب بسبب حدوده غير الواضحة وخصائصه الطيفية الخافتة. قام المؤلفون بتكييف منهجية من Dell et al. (2022a, 2024)، التي استخدمت تجميع k-means وتصنيف RF بناءً على صور Landsat 8، لتطبيقها على صور Sentinel-2 (S2) لاكتشاف الثلج الذائب على صفائح الجليد. شمل هذا التكييف تعديلات على العتبات الطيفية وتحسين معلمات RF، مع تنفيذ جميع العمليات في Google Earth Engine (GEE) مما أدى إلى إنتاج أقنعة ثلج ذائب ثنائية بدقة مكانية تبلغ 100 متر.
لتقييم فعالية نموذج RF، قارن المؤلفون نتائجه مع طريقتين معتمدتين على العتبات: نهج مؤشر المياه الفرق المنظم (NDWI) المدمج ومؤشر الخضرة (G_ind). أظهر نموذج RF أداءً متفوقًا، حيث أظهر توافقًا أقوى مع NDWI مقارنةً بـ G_ind، كما يتضح من درجات F1 المتوسطة الأعلى (0.56-0.76 لـ RF مقارنةً بـ 0.51-0.68 لـ G_ind). أكدت التقييمات البصرية هذه النتائج، حيث كشفت أنه بينما كان NDWI أكثر عرضة لتلوث السحب، غالبًا ما فشل G_ind في الكشف بدقة عن الثلج الذائب أو قام بتصنيف حواف البحيرات بشكل خاطئ. أنتج نموذج RF باستمرار مخرجات مكانية أكثر اتساقًا، خاصة في المناطق ذات الأنواع السطحية المعقدة. تتوفر مزيد من التفاصيل حول التحليل، بما في ذلك مقاييس التقييم والقيود، في المواد التكميلية.
مناقشة
في هذه الدراسة، استخدمنا مجموعة بيانات شاملة من صور Sentinel-2، تتكون من 329,229 صورة من 2016 إلى 2024، لتحليل ميزات مياه الذوبان فوق الجليد عبر صفائح جليد غرينلاند (GrIS). تم معالجة الصور مسبقًا لتعزيز اكتشاف مياه الذوبان، مع التركيز على المشاهد ذات الارتفاع الشمسي الأمثل وأقل تغطية سحابية. استخدمنا مجموعات بيانات داعمة متنوعة، بما في ذلك ArcticDEM لتضاريس السطح وRACMO للمتغيرات المناخية، لوضع نتائجنا في السياق. كشفت التحليلات عن مدى موسمي متوسط للثلج الذائب يبلغ حوالي 48,100 كم²، مما يمثل حوالي 2.8% من صفائح الجليد، مع تباين مكاني كبير عبر أحواض التصريف المختلفة. من الجدير بالذكر أن الثلج الذائب وُجد بشكل رئيسي فوق مناطق الجليد العاري، مع زيادة ملحوظة في الاستمرارية المرتبطة بهذه المناطق.
كما سلطت الدراسة الضوء على التباين بين السنوات في مدى الثلج الذائب، المرتبط ارتباطًا وثيقًا بأنماط ذوبان الثلوج، حيث حدث الحد الأقصى للمدى الموسمي في 2019، وهو أعلى عام للذوبان، والحد الأدنى في 2018. أظهر مدى الثلج الذائب الشهري دورة داخل السنة متسقة، حيث بلغ ذروته في يوليو وأغسطس، على الرغم من أنه لوحظ ارتفاع غير عادي في سبتمبر 2022. تشير نتائجنا إلى أن حدوث الثلج الذائب يتأثر بعوامل بيئية مثل سعة خزانات الفيرن ودرجة الحرارة، مع آثار على فهم ديناميات مياه الذوبان وتأثيراتها الإشعاعية المحتملة على ذوبان الجليد. بشكل عام، توفر هذه الدراسة رؤى حيوية حول العمليات الهيدرولوجية المتغيرة على صفائح الجليد، مما يبرز الحاجة إلى المراقبة المستمرة والتحليل في سياق تغير المناخ.
DOI: https://doi.org/10.5194/tc-20-4345-2026
Publication Date: 2026-08-07
Author(s): Emily Glen et al.
Primary Topic: Cryospheric studies and observations
Overview
This research presents the first comprehensive classification of slush across the Greenland Ice Sheet (GrIS) using Sentinel-2 imagery and a random forest classifier, covering the period from 2016 to 2024. The findings reveal that slush, defined as water-saturated snow or firn, occupies a mean seasonal extent of 2.8% of the ice sheet (approximately 48,100 km²), with significant variability between years—ranging from 1.1% (∼18,700 km²) in 2018 to 5.1% (∼88,500 km²) in 2019. The spatial distribution of slush is most extensive in the southwestern and northern basins, and its occurrence correlates with factors such as bare ice exposure and firn heterogeneity. Notably, slush was found to be the dominant surface meltwater feature, with its area in 2019 being nine times greater than that of supraglacial lakes, channels, and water-filled crevasses combined.
The study highlights that slush extent and occurrence are linked to increased snowmelt and decreased firn air content, suggesting that slush could significantly influence the surface energy balance of the GrIS. A preliminary estimate indicates that slush could contribute an additional 12.4 Gt yr⁻¹ to melt if fully converted. Given its critical role in the surface hydrological system, the authors argue for the explicit inclusion of slush in surface mass-balance and hydrological models to enhance projections of future ice-sheet behavior under climate change. The nine-year dataset established in this research serves as a foundational resource for improving the understanding of the evolving hydrological dynamics of the GrIS.
Introduction
The Greenland Ice Sheet (GrIS) has been experiencing a significant negative mass balance, losing approximately 169 ± 9 Gt yr$^{-1}$ from 1992 to 2020, primarily due to surface melting and runoff. The mean summer air temperature over the GrIS increased by about 1.7 °C between 1991 and 2019, leading to a 21% rise in surface runoff during 2011-2020 compared to the previous three decades. This warming trend, coupled with more frequent extreme melt events, has resulted in the expansion of supraglacial meltwater features, particularly lakes, to higher elevations. Notably, the upper elevation limit of runoff increased by up to 329 m a.s.l. between 1985 and 2020, alongside a decline in firn air content in certain areas.
The phenomenon of slush, defined as water-saturated firn or snow, plays a crucial role in the hydrology of the GrIS. It facilitates the lateral flow of meltwater, enhancing hydrological connectivity and potentially influencing ice dynamics by providing pathways for meltwater to reach the ice-sheet bed. Despite its significance, slush has been largely overlooked in large-scale meltwater mapping efforts. Recent studies indicate substantial inter-annual variability in slush extent and elevation limits, with notable increases observed during extreme melt years. This research aims to apply a machine learning workflow to classify blue surface slush across the GrIS using Sentinel-2 imagery, generating a comprehensive dataset that will allow for a detailed examination of slush distribution, persistence, and its role within the broader meltwater system of the GrIS.
Methods
In this study, the authors aimed to improve the classification of slush on the Greenland Ice Sheet (GrIS) using advanced machine learning techniques, specifically random forest (RF) algorithms, as opposed to traditional threshold-based methods. Previous remote-sensing studies have effectively mapped distinct supraglacial features like lakes and channels but have struggled with slush due to its diffuse boundaries and muted spectral characteristics. The authors adapted a methodology from Dell et al. (2022a, 2024), which utilized k-means clustering and RF classification based on Landsat 8 imagery, to apply it to Sentinel-2 (S2) imagery for slush detection on the GrIS. This adaptation included adjustments for spectral thresholds and RF hyperparameter optimization, with all processes executed in Google Earth Engine (GEE) and resulting in binary slush masks at a spatial resolution of 100 m.
To evaluate the effectiveness of the RF model, the authors compared its results against two threshold-based methods: a combined Normalized Difference Water Index (NDWI) approach and the Greenness Index (G_ind). The RF model demonstrated superior performance, showing stronger agreement with NDWI than G_ind, as indicated by higher macro-averaged F1-scores (0.56-0.76 for RF compared to 0.51-0.68 for G_ind). Visual assessments corroborated these findings, revealing that while NDWI was more susceptible to cloud contamination, G_ind often failed to accurately detect slush or misclassified lake edges. The RF model consistently produced more coherent spatial outputs, particularly in areas with complex surface types. Further details on the analysis, including evaluation metrics and limitations, are provided in the supplementary materials.
Discussion
In this study, we utilized a comprehensive dataset of Sentinel-2 imagery, comprising 329,229 images from 2016 to 2024, to analyze supraglacial meltwater features across the Greenland Ice Sheet (GrIS). The imagery was pre-processed to enhance meltwater detection, focusing on scenes with optimal solar elevation and minimal cloud cover. We employed various supporting datasets, including ArcticDEM for surface topography and RACMO for climate variables, to contextualize our findings. The analysis revealed a mean seasonal slush extent of approximately 48,100 km², representing about 2.8% of the ice sheet, with significant spatial variability across different drainage basins. Notably, slush was predominantly found over bare ice regions, with a marked increase in persistence associated with these areas.
The study also highlighted inter-annual variability in slush extent, closely linked to snowmelt patterns, with the maximum seasonal extent occurring in 2019, the highest melt year, and the minimum in 2018. Monthly slush extent demonstrated a consistent intra-annual cycle, peaking in July and August, although an unusual spike in September 2022 was observed. Our findings indicate that slush occurrence is influenced by environmental factors such as firn aquifer capacity and temperature, with implications for understanding meltwater dynamics and their potential radiative effects on ice melt. Overall, this research provides critical insights into the changing hydrological processes on the GrIS, emphasizing the need for continued monitoring and analysis in the context of climate change.