Des scientifiques ont produit la troisième cartographie jamais réalisée de l'Antarctique. Elle révèle, plus précisément que jamais, à quoi ressemble le continent sous sa glace.
Des chercheurs de l'Université de Standford ont publié une étude mettant en avant, grâce à un modèle d'intelligence artificielle, des propriétés physiques fondamentales de la glace en Antarctique. Cette étude permet d'anticiper la fonte de la calotte glaciaire, nécessaire en ces temps de changement climatique.
Les changements de la température moyenne globale de la haute atmosphère liés à l'éruption volcanique Hunga (janvier 2022) sont analysés sur la base de mesures satellitaires et comparés à des simulations de modèles chimie-climat.
Les résultats montrent un refroidissement stratosphérique de -0,5 à -1,0 K dans la moyenne et la haute stratosphère entre 2022 et le milieu de 2023, suivi d'un refroidissement plus important (-1,0 à -2,0 K) dans la mésosphère après le milieu de 2023.
Les schémas de refroidissement suivent les anomalies de vapeur d'eau (H2O) se propageant vers le haut à partir de Hunga, et un comportement similaire est constaté entre les observations et les simulations de modèles.
Alors que le refroidissement stratosphérique est principalement dû au refroidissement radiatif dû à l'augmentation de H2O, les changements de température mésosphérique résultent des pertes d'ozone dans la mésosphère, qui sont à leur tour entraînées par les radicaux HOx provenant de l'H2O de Hunga. Les comparaisons avec les données climatiques pluridécennales montrent que les effets du Hunga sur les températures stratosphériques sont d'une ampleur similaire, mais de signe opposé, aux effets sur les températures des grandes éruptions volcaniques El Chichón (1982) et Pinatubo (1991).
Le lit connecté est un concept stupéfiant de bêtise.
Par contre, le lit climatisé/chauffant/vibrant me paraît une vraiment bonne idée.
La tendance mondiale au verdissement, marquée par des augmentations significatives de la couverture végétale dans les écorégions, a attiré l'attention du plus grand nombre.
Cependant, même les méthodes traditionnelles robustes, comme le test non paramétrique de Mann-Kendall, négligent souvent des facteurs cruciaux tels que la corrélation sérielle, l'autocorrélation spatiale et les tests multiples, en particulier dans le cas de données spatialement maillées. Cette négligence peut conduire à une exagération de l'importance des tendances spatio-temporelles détectées. Pour remédier à ces limitations, cette recherche introduit le flux de travail True Significant Trends (TST), qui améliore l'approche conventionnelle en incorporant un pré-blanchiment pour contrôler la corrélation sérielle, la pente de Theil-Sen (TS) pour une estimation robuste des tendances, le test Contextual Mann-Kendall (CMK) pour tenir compte de la corrélation spatiale et croisée, et la correction adaptative du taux de fausse découverte (FDR).
En utilisant les données AVHRR NDVI sur 42 ans (1982-2023), nous avons constaté que le flux de travail conventionnel identifiait jusqu'à 50,96 % de la surface terrestre de la Terre comme connaissant des tendances de végétation statistiquement significatives.
En revanche, le flux de travail TST a réduit ce chiffre à 38,16 %, en filtrant efficacement les tendances parasites et en fournissant une évaluation plus précise. Parmi les tendances significatives identifiées à l'aide du flux de travail TST, 76,07 % indiquaient un verdissement, tandis que 23,93 % indiquaient un brunissement. En particulier, si l'on considère les zones (pixels) dont les valeurs NDVI sont supérieures à 0,15, le verdissement représente 85,43 % des tendances significatives, le brunissement constituant les 14,57 % restants.
Ces résultats valident fortement le verdissement en cours de la végétation à l'échelle mondiale. Ils suggèrent également que l'incorporation de méthodes analytiques plus robustes, telles que l'approche True Significant Trends (TST), pourrait améliorer de manière significative la précision et la fiabilité des analyses des tendances spatio-temporelles.
Connexion