Mechanisms of decadal variability in the Labrador Sea and the wider North Atlantic in a high-resolution climate model
Notice bibliographique
Résumé
A necessary step before assessing the performance of decadal predictions is the evaluation of the processes that bring memory to the climate system, both in climate models and observations. These mechanisms are particularly relevant in the North Atlantic, where the ocean circulation, related to both the Subpolar Gyre and the Meridional Overturning Circulation (AMOC), is thought to be important for driving significant heat content anomalies. Recently, a rapid decline in observed densities in the deep Labrador Sea has pointed to an ongoing slowdown of the AMOC strength taking place since the mid 90s, a decline also hinted by in-situ observations from the RAPID array. This study explores the use of Labrador Sea densities as a precursor of the ocean circulation changes, by analysing a 300-year long simulation with the state-of-the-art coupled model HadGEM3-GC2. The major drivers of Labrador Sea density variability are investigated, and are characterised by three major contributions. First, the integrated effect of local surface heat fluxes, mainly driven by year-to-year changes in the North Atlantic Oscillation, which accounts for 62% of the total variance. Additionally, two multidecadal-to-centennial contributions from the Greenland–Scotland Ridge outflows are quantified; the first associated with freshwater exports via the East Greenland Current, and the second with density changes in the Denmark Strait Overflow. Finally, evidence is shown that decadal trends in Labrador Sea densities are followed by important atmospheric impacts. In particular, a positive winter NAO response appears to follow the negative Labrador Sea density trends, and provides a phase reversal mechanism.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».