Ridged sea ice characteristics in the Arctic from a coupled multicategory sea ice model
Notice bibliographique
Résumé
In this study, a multicategory sea ice model with explicit ice classes for ridged and rafted ice was used to examine the evolution of deformed ice during the period 1980–2002. The results show that (1) ridged ice comprises roughly 45–60% of Arctic sea ice volume and 25–45% of the sea ice area, (2) most of the perennial ice consists of ridged ice, and (3) ridged ice exhibits a small seasonal variability. Our results also show an increase in mean ridged ice thickness of 4–6 cm yr−1 during the summer in an area north of the Canadian Archipelago and a corresponding decrease in the East Siberian Sea and Nansen Basin. At the same time, Arctic sea ice age has been observed to decline and ice drift speed to increase during the simulation period. We connect these findings with a modeled regional increase in the production rate of ridged ice. Comparison of the multicategory model and a two category reference model shows a substantially increased ice production rate due to a more frequent occurrence of leads, resulting in an ice thickness increase of up to 0.8 m. Differences in ice physics between the multicategory and reference models also affect the freshwater content. The sum of liquid and solid freshwater content in the entire Arctic Ocean is about 10% lower and net precipitation (P‐E) is about 7% lower as compared to the reference model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».