MétaCan
Menu
Retour à la cohorte
Enregistrement W2886656324 · doi:10.1175/jcli-d-18-0186.1

Impact of Mesoscale Eddy Transfer on Heat Uptake in an Eddy-Parameterizing Ocean Model

2018· article· en· W2886656324 sur OpenAlexafffund
Oleg A. Saenko, Duo Yang, Jonathan M. Gregory

Notice bibliographique

RevueJournal of Climate · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensPacific Institute for Climate Solutions
Organismes subventionnairesEnvironment and Climate Change Canada
Mots-clésMesoscale meteorologyAdvectionClimatologyHeat transferSea surface temperatureEnvironmental scienceOcean currentZonal and meridionalScalingHeat fluxGeologyMixed layerAtmospheric sciencesMechanicsPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Using a set of experiments with an eddy-parameterizing ocean model, it is found that the strength of the Atlantic meridional overturning circulation (AMOC) intensifies with the decrease of the density-dependent mesoscale eddy transfer. However, the intensification is weaker than that suggested by simple scaling relationships previously applied. Perturbing the model control sea surface temperature (SST) to mimic its change in response to doubling of CO 2 , it is shown that the associated ocean heat uptake (OHU) increases and penetrates deeper with the decrease of the mesoscale eddy transfer. It is shown that the OHU correlates with the AMOC strength, and both these quantities are affected by the mesoscale eddy transfer. Passive tracer experiments in the ocean model provide a possible explanation for the finding in coupled-model climate simulations that the ocean heat uptake efficiency (OHUE) increases with the AMOC strength and decreases with the eddy energy generated from the mean state. It is also found that the OHU in the SST-perturbation experiments scales with the net downward advection of heat. The contribution of the AMOC to the downward heat flux is illustrated using a streamfunction in depth–temperature space.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,157
Score d'incertitude au seuil0,379

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,277
Écart entre enseignants0,255 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations25
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207