On the formulation of snow thermal conductivity in large‐scale sea ice models
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
An assessment of the performance of a state‐of‐the‐art large‐scale coupled sea ice‐ocean model, including a new snow multilayer thermodynamic scheme, is performed. Four 29 year long simulations are compared against each other and against sea ice thickness and extent observations. Each simulation uses a separate parameterization for snow thermophysical properties. The first simulation uses a constant thermal conductivity and prescribed density profiles. The second and third parameterizations use typical power‐law relationships linking thermal conductivity directly to density (prescribed as in the first simulation). The fourth parameterization is newly developed and consists of a set of two linear equations relating the snow thermal conductivity and density to the mean seasonal wind speed. Results show that simulation 1 leads to a significant overestimation of the sea ice thickness due to overestimated thermal conductivity, particularly in the Northern Hemisphere. Parameterizations 2 and 4 lead to a realistic simulation of the Arctic sea ice mean state. Simulation 3 results in the underestimation of the sea ice basal growth in both hemispheres, but is partly compensated by lateral growth and snow ice formation in the Southern Hemisphere. Finally, parameterization 4 improves the simulated Snow Depth Distributions by including snow packing by wind, and shows potential for being used in future works. The intercomparison of all simulations suggests that the sea ice model is more sensitive to the snow representation in the Arctic than it is in the Southern Ocean, where the sea ice thickness is not driven by temperature profiles in the snow.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle