Going with the floe: tracking CESM Large Ensemble sea ice in the Arctic provides context for ship-based observations
Notice bibliographique
Résumé
Abstract. In recent decades, Arctic sea ice has shifted toward a younger, thinner, seasonal ice regime. Studying and understanding this “new” Arctic will be the focus of a year-long ship campaign beginning in autumn 2019. Lagrangian tracking of sea ice floes in the Community Earth System Model Large Ensemble (CESM-LE) during representative “perennial” and “seasonal” time periods allows for understanding of the conditions that a floe could experience throughout the calendar year. These model tracks, put into context a single year of observations, provide guidance on how observations can optimally shape model development, and how climate models could be used in future campaign planning. The modeled floe tracks show a range of possible trajectories, though a Transpolar Drift trajectory is most likely. There is also a small but emerging possibility of high-risk tracks, including possible melt of the floe before the end of a calendar year. We find that a Lagrangian approach is essential in order to correctly compare the seasonal cycle of sea ice conditions between point-based observations and a model. Because of high variability in the melt season sea ice conditions, we recommend in situ sampling over a large range of ice conditions for a more complete understanding of how ice type and surface conditions affect the observed processes. We find that sea ice predictability emerges rapidly during the autumn freeze-up and anticipate that process-based observations during this period may help elucidate the processes leading to this change in predictability.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».