The Role of Rough Topography in Mediating Impacts of Bottom Drag in Eddying Ocean Circulation Models
Notice bibliographique
Résumé
Abstract Motivated by the substantial sensitivity of eddies in two-layer quasigeostrophic (QG) turbulence models to the strength of bottom drag, this study explores the sensitivity of eddies in more realistic ocean general circulation model (OGCM) simulations to bottom drag strength. The OGCM results are interpreted using previous results from horizontally homogeneous, two-layer, flat-bottom, f -plane, doubly periodic QG turbulence simulations and new results from two-layer, β -plane QG turbulence simulations run in a basin geometry with both flat and rough bottoms. Baroclinicity in all of the simulations varies greatly with drag strength, with weak drag corresponding to more barotropic flow and strong drag corresponding to more baroclinic flow. The sensitivity of the baroclinicity in the QG basin simulations to bottom drag is considerably reduced, however, when rough topography is used in lieu of a flat bottom. Rough topography reduces the sensitivity of the eddy kinetic energy amplitude and horizontal length scales in the QG basin simulations to bottom drag to an even greater degree. The OGCM simulation behavior is qualitatively similar to that in the QG rough-bottom basin simulations, in that baroclinicity is more sensitive to bottom drag strength than are eddy amplitudes or horizontal length scales. Rough topography therefore appears to mediate the sensitivity of eddies in models to the strength of bottom drag. The sensitivity of eddies to parameterized topographic internal lee wave drag, which has recently been introduced into some OGCMs, is also briefly discussed. Wave drag acts like a strong bottom drag in that it increases the baroclinicity of the flow, without strongly affecting eddy horizontal length scales.
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 | 0,001 |
| Science ouverte | 0,001 | 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 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 ».