Reassessing Sea Ice Drift and Its Relationship to Long‐Term Arctic Sea Ice Loss in Coupled Climate Models
Notice bibliographique
Résumé
Abstract Results of an earlier study suggest that sea ice drift in climate models is unrealistic, and this has undermined confidence in model projections of “long‐term” (i.e., secular) Arctic sea ice loss. We revisit this by analyzing 22 models participating in phase 5 of the Coupled Model Intercomparison Project (CMIP5). It is shown that, when consistent temporal sampling is applied, sea ice drift speed in models and observations come into closer agreement than previously suggested. There is still considerable intermodel scatter in climatological drift speed, and we show that much of this likely relates to prescribed parameters in the sea ice models. Since 1979, observations show a long‐term positive trend of annual mean Arctic average sea ice drift speed resulting primarily from sea ice thinning, and most of the CMIP5 models qualitatively reproduce this. The simulated annual mean drift speed trends reflect strong cancellation between winter trends (which are positive in most models and in good agreement with observations) and summer trends (which are negative in most models and in poor agreement with observations). Positive Arctic average drift speed trends do not consistently coincide with positive trends of Fram Strait outflow. The simulated regional relationship between sea ice strength and drift speed changes dramatically as the Arctic transitions from full to partial ice cover, and this “sea ice extent effect” likely influences simulated summer drift speed trends. Altogether, these results highlight aspects in which models show encouraging agreement with observations, while pinpointing aspects in which models require improvement.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».