Upper Ocean Response to Rain Observed From a Vertical Profiler
Notice bibliographique
Résumé
Abstract Rainfall induces a vertical salinity gradient directly below the ocean surface, the strength and lifetime of which depend on the size of the rain event, the availability of mixing, and the air‐sea heat fluxes. The presence of rain in turn influences the near‐surface turbulent mixing and air‐sea exchange processes. During a campaign in the midlatitude North Atlantic, the Air‐Sea Interaction Profiler (ASIP) was used to investigate changes in the vertical distribution of salinity ( S ), temperature ( T ), and turbulent kinetic energy dissipation rate ( ϵ ) caused by four rain events. During one of the rain events a strong shallow stratification was formed. The buoyancy effect of this freshwater lens changes the dominant wind‐driven turbulent mixing. The surface momentum flux was limited to a shallow layer, and below it ϵ is reduced by 2 orders of magnitude. For a different rain event of higher‐peak rain rate, the salinity anomaly is smaller and is dispersed deeper into the water column. The difference in ocean response shows that the upper ocean is sensitive to changes in the atmospheric forcing associated with the rain events. The observed salinity anomalies as a function of rain rate and wind speed are compared to relationships from studies with the 1‐D turbulence model GOTM and satellite validation. The observations suggest that the vertical salinity anomaly is best described as a function of total rain. A higher‐resolution prognostic model for sea surface salinity and temperature is shown to perform well in predicting the observed S and T anomalies.
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 | 0,002 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».