MétaCan
Menu
← Retour à la cohorte
Enregistrement W2609945463 · doi:10.5194/tc-2017-60

Arctic sea ice drift-strength feedback modelled by NEMO-LIM3.6

2017· article· en· W2609945463 sur OpenAlexaff
David Docquier, François Massonnet, Neil F. Tandon, Olivier Lecomte, Thierry Fichefet

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesHorizon 2020
Mots-clésSea iceSea ice thicknessDrift iceArctic ice packGeologyBuoyAntarctic sea iceSea ice concentrationSea ice growth processesIce-albedo feedbackLead (geology)ClimatologyOceanographyAtmospheric sciencesGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract. Sea ice cover and thickness have substantially decreased in the Arctic Ocean since the beginning of the satellite era. As a result, sea ice strength has been reduced, allowing more deformation and fracturing and leading to increased sea ice drift speed. The resulting increased sea ice export is thought to further lower sea ice concentration and thickness. We use the global ocean-sea ice NEMO-LIM3.6 model (Nucleus for European Modelling of the Ocean coupled to the Louvain-la-Neuve sea Ice Model), satellite and buoy observations, as well as reanalysis data over the period from 1979 to 2013 to study this positive feedback for the first time in such detail. Overall, the model agrees well with observations in terms of sea ice extent, concentration and thickness. Although the seasonal cycle of sea ice drift speed is reasonably well reproduced by the model, the recent positive trend in drift speed is weaker than observations in summer. NEMO-LIM3.6 is able to capture the relationships between sea ice drift speed, concentration and thickness in terms of seasonal cycle, with higher drift speed for both lower concentration and lower thickness, in agreement with observations. Sensitivity experiments are carried out by varying the initial ice strength and show that higher values of ice strength lead to lower sea ice thickness. We demonstrate that higher ice strength results in a more uniform sea ice thickness distribution, leading to lower heat conduction fluxes, which provide lower ice production, and thus lower ice thickness. This shows that the positive feedback between sea ice drift speed and strength is more than just dynamic, more complex than originally thought and that other processes are at play. The methodology proposed in this analysis provides a benchmark for a further model intercomparison related to the interactions between sea ice drift speed and strength.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,212
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→