What historical landfast ice observations tell us about projected ice conditions in Arctic archipelagoes and marginal seas under anthropogenic forcing
Notice bibliographique
Résumé
Abstract. Arctic landfast ice extent and duration are examined from observations, ice assimilations, ocean reanalyses and coupled models. From observations and assimilations, it is shown that in areas where landfast ice conditions last more than 5 months the first-year ice typically grows to more than 2 m and is rarely less than 1 m. The observed spatial distribution of landfast ice closely matches assimilation products but less so for ocean reanalyses and coupled models. Although models generally struggle to represent the landfast ice necessary to emulate the observed import/export of sea ice in regions favourable to landfast ice conditions, some do exhibit both a realistic climatology and a realistic decline of landfast ice extent under an anthropogenic forcing scenario. In these more realistic simulations, projections show that an extensive landfast ice cover should remain for at least 5 months of the year, well into the end of the 21st century. This is in stark contrast with the simulations that have an unrealistic emulation of landfast ice conditions. In these simulations, slow and packed ice conditions shrink markedly over the same period. In all simulations and in areas with landfast ice that lasts more than 5 months, the end-of-winter sea ice thickness remains between 1 and 2 m, well beyond the second half of the century. It is concluded that in the current generation of climate models, projections of winter sea ice conditions in the Canadian Arctic Archipelago and the Laptev Sea are overly sensitive to the representation of landfast ice conditions and that ongoing development in landfast ice parameterization will likely better constrain these projections.
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 | 0,000 | 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 | 0,001 | 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) | 0,001 | 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 ».