Key points are not available for this paper at this time.
Zusammenfassung In den Alpen kann die Dynamik der Schneedecke mithilfe von Erdbeobachtung (EO) überwacht werden. Allerdings stellen die geringe Wiederbesuchsfrequenz und die Bewölkung eine Herausforderung für die langfristige Zeitreihenanalyse mit hochauflösenden EO-Bildern dar. In dieser Studie haben wir die Random-Forest-Regression angewendet, um regionale Schneehöhenerhöhungen (RSEs) zu modellieren. Auf diese Weise können die täglichen Schneehöhendynamiken und ihre langfristigen Trends abgeleitet werden, trotz der vorgenannten Herausforderungen. Von den sechs untersuchten alpinen Einzugsgebieten zwischen 1984 und 2018 zeigt sich in vier Einzugsgebieten ein signifikanter Anstieg der RSEs in den frühen Ablationssaisons (zwischen 5,38 ± 2,64 und 11,29 ± 4,79 m·a −1 ) und in fünf Einzugsgebieten in den mittleren Ablationssaisons (zwischen 4,17 ± 2,62 und 8,76 ± 4,42 m·a −1 ). Im Durchschnitt können die Random-Forest-Regressionsmodelle 75 % der RSE-Variationen erklären. Darüber hinaus wurde festgestellt, dass die Lufttemperatur einen Einfluss auf die Schneehaltungsdauer hat, insbesondere während der mittleren und späten Ablationssaisons.
Hu et al. (Sun,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: