Daily Field Observations of Retrogressive Thaw Slump Dynamics in the Canadian High Arctic

With observed increases in retrogressive thaw slump (RTS) number, rates, and size in recent decades, there is a need to understand these highly dynamic landforms as they impact surrounding ecosystems and infrastructure. There is a general lack of detailed (e.g., daily) field observations of change in RTSs; we help fill this gap by monitoring three RTSs for much of the 2017 thaw period by setting up and tracking survey transects on a near daily basis. We correlated mean daily and cumulative retreat to mean daily air temperature (MDAT), total daily precipitation (TDP), and cumulative thawing degree days (TDD) using various polynomial regressions and Pearson correlation techniques. Our results show that July retreat was highly variable, and periods of increased RTS retreat did not always align with periods of increased air temperature. Also, multiple periods of increased retreat largely driven by sediment distribution in the RTS floor could occur within a single period of increased air temperature. Retreat rates decreased suddenly in early August, indicating a threshold of either air temperature, solar radiation or a combination of both must be reached for increased retreat rates. A statistically significant correlation was found between daily mean and mean cumulative retreat with MDAT (p > 0.001) and TDD (p > 0.001 and > 0.0001) but not with total daily precipitation. Correlating mean cumulative retreat and TDD using polynomial regression generated R2 values greater than 0.99 for all three sites. Both cumulative retreat and TDD account for past and current conditions, as well as lag responses, within the monitoring period. The high R2 values for the correlation of mean cumulative retreat and TDD suggest the potential for accurately modelling RTS retreat with minimal field data (air temperature and headwall position), however modelling is currently restricted to individual RTSs and only within short time scales. Monitoring RTSs on a daily scale allows RTS behaviour and trends to be identified that may be obscured at annual time scales and highlights the importance of all system inputs when considering RTS retreat dynamics. Compte tenu du nombre, des taux et de la taille à la hausse des glissements rétrogressifs dus au (GRD) dégel au cours des dernières décennies, il y a lieu de comprendre ces reliefs fortement dynamiques, car ils ont des impacts sur les infrastructures et les écosystèmes environnants. Il y a un manque général d’observations détaillées (c’est-à-dire quotidiennes) sur le terrain en ce qui a trait aux GRD. Nous aidons à combler cet écart grâce à la surveillance de trois GRD pendant une grande partie de la période de dégel de 2017 en dressant des transects et en en faisant des suivis presque au quotidien. Nous avons corrélé le recul quotidien et cumulatif moyen à la température moyenne quotidienne de l’air (TMQA), aux précipitations totales quotidiennes (PTQ) et aux degrés-jours de dégel cumulés (DJD) à l’aide de diverses régressions polynomiales et des techniques de corrélation de Pearson. Nos résultats indiquent que le recul du mois de juillet variait considérablement, et que les périodes de recul accru des GRD ne coïncidaient pas toujours avec les périodes de température à la hausse de l’air. Par ailleurs, de multiples périodes de recul accru largement attribuables à la distribution des sédiments dans le fond des GRD pouvaient se produire au cours d’une seule période de température de l’air à la hausse. Au début d’août, les taux de recul ont diminué soudainement, ce qui indiquait qu’un seuil de température de l’air ou un seuil de rayonnement solaire, ou encore, qu’un ensemble des deux doit être atteint pour donner lieu à des taux de recul plus élevés. Une corrélation statistiquement significative a été trouvée entre le recul moyen quotidien et le recul moyen quotidien cumulé avec la TMQA (p > 0,001) et les DJD (p > 0,001 et > 0,0001), et non pas avec les précipitations totales quotidiennes. La corrélation du recul moyen cumulé et des DJD à l’aide de la régression polynomiale a généré des valeurs R2 supérieures à 0,99 aux trois sites. Tant les reculs cumulés que les DJD tiennent compte des conditions antérieures et actuelles, ainsi que des décalages, à l’intérieur de la période de surveillance. Les valeurs R2 élevées propres à la corrélation du recul moyen cumulé et des DJD suggèrent des possibilités de modélisation exacte du recul des GRD moyennant des données minimales prélevées sur le terrain (température de l’air et position du mur de rimaye). Cependant, en ce moment, la modélisation est restreinte aux GRD individuels, et seulement à l’intérieur d’échelles de temps réduites. La surveillance des GRD sur une échelle journalière permet de cerner les comportements et les tendances des GRD, ceux-ci pouvant être éclipsés dans le cadre d’échelles annuelles. La surveillance met également en évidence l’importance de tous les intrants du système dans la considération de la dynamique du recul des GRD.