Improved modeling of the Arctic halocline with a subgrid‐scale brine rejection parameterization
Notice bibliographique
Résumé
The halocline in the Arctic Ocean plays an important role in regulating heat exchange at the bottom of the mixed layer and it has a direct effect on the ocean sea ice energy balance and sea ice mass balance. Modeling the halocline, however, remains a challenge in current state‐of‐the‐art coupled ocean sea ice models including those that participated in the Arctic Ocean Model Intercomparison Project. In this study, we successfully reproduce a cold halocline in the Canada Basin by implementing a subgrid‐scale brine rejection parameterization in an ocean general circulation model. The brine rejection scheme improves the solution by redistributing surface salts rejected during sea ice formation to their neutral buoyancy depths. The depths are based on salt plume physics and published laboratory and numerical experiments. Compared with hydrographic data from 1993 to 2004, distribution of most of the rejected salt to the bottom of the mixed layer seems to yield the lowest model‐data misfits. We also show that the model's mixed layer depth is sensitive to the background diffusivity ν used in the k‐profile parameterization vertical mixing scheme. A background diffusivity of 10 −6 m 2 /s in combination with brine rejection scheme described herein yield the best simulation of the Arctic halocline.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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 ».