Greenland freshwater pathways in the sub‐<scp>A</scp>rctic<scp>S</scp>eas from model experiments with passive tracers
Notice bibliographique
Résumé
Abstract Accelerating since the early 1990s, the Greenland Ice Sheet mass loss exerts a significant impact on thermohaline processes in the sub‐Arctic seas. Surplus freshwater discharge from Greenland since the 1990s, comparable in volume to the amount of freshwater present during the Great Salinity Anomaly events, could spread and accumulate in the sub‐Arctic seas, influencing convective processes there. However, hydrographic observations in the Labrador Sea and the Nordic Seas, where the Greenland freshening signal might be expected to propagate, do not show a persistent freshening in the upper ocean during last two decades. This raises the question of where the surplus Greenland freshwater has propagated. In order to investigate the fate, pathways, and propagation rate of Greenland meltwater in the sub‐Arctic seas, several numerical experiments using a passive tracer to track the spreading of Greenland freshwater have been conducted as a part of the Forum for Arctic Ocean Modeling and Observational Synthesis effort. The models show that Greenland freshwater propagates and accumulates in the sub‐Arctic seas, although the models disagree on the amount of tracer propagation into the convective regions. Results highlight the differences in simulated physical mechanisms at play in different models and underscore the continued importance of intercomparison studies. It is estimated that surplus Greenland freshwater flux should have caused a salinity decrease by 0.06–0.08 in the sub‐Arctic seas in contradiction with the recently observed salinification (by 0.15–0.2) in the region. It is surmised that the increasing salinity of Atlantic Water has obscured the freshening signal.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 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 ».