Multimodel simulations of Arctic Ocean sea surface height variability in the period 1970–2009
Notice bibliographique
Résumé
Abstract The performance of several numerical ocean models is assessed with respect to their simulation of sea surface height (SSH) in the Arctic Ocean, and the main patterns of SSH variability and their causes over the past 40 years (1970–2009) are analyzed. In comparison to observations, all tested models broadly reproduce the mean SSH in the Arctic and reveal a good correlation with both tide gauge data and SSH anomalies derived from satellite observations. Although the models do not represent the positive Arctic SSH trend observed over the last two decades, their interannual‐to‐decadal SSH variability is in reasonable agreement with available measurements. Focusing on results from one of the models for a detailed analysis, it is shown that the decadal‐scale SSH variability over shelf areas and deep parts of the Arctic Ocean have pronounced differences that are determined mostly by salinity variations. A further analysis of the three time periods 1987–1992, 1993–2002, and 2003–2009, corresponding to the transition times between cyclonic and anticyclonic regimes of the atmospheric circulation over the Arctic, revealed an unusual increase of SSH in the Amerasian basin during 2003–2009. Results from this model support the recent finding that the increase is caused mainly by changes in freshwater content brought about by the freshwater export through the Canadian Arctic Archiplago and increased Ekman pumping in the Amerasian basin and partly by lateral freshwater transport changes, leading to a redistribution of low‐salinity shelf water. Overall, we show that present‐day models can be used for investigating the reasons for low‐frequency SSH variability in the region.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».