The Observation-Based Application of a Regional Thermohaline Inverse Method to Diagnose the Formation and Transformation of Water Masses North of the OSNAP Array from 2013 to 2015
Notice bibliographique
Résumé
Abstract The strength of the meridional overturning circulation (MOC) in the North Atlantic is dependent upon the formation of dense waters that occurs at high northern latitudes. Wintertime deep convection in the Labrador and Irminger Seas forms the intermediate water mass known as Labrador Sea Water (LSW). Changes in the rate of formation and subsequent export of LSW are thought to play a role in MOC variability, but formation rates are uncertain and the link between formation and export is complex. We present the first observation-based application of a recently developed regional thermohaline inverse method (RTHIM) to a region encompassing the Arctic and part of the North Atlantic subpolar gyre for the years 2013, 2014, and 2015. RTHIM is a novel method that can diagnose the formation and export rates of water masses such as the LSW identified by their temperature and salinity, apportioning the formation rates into contributions from surface fluxes and interior mixing. We find LSW formation rates of up to 12 Sv (1 Sv ≡ 10 6 m 3 s −1 ) during 2014–15, a period of strong wintertime convection, and around half that value during 2013 when convection was weak. We also show that the newly convected water is not exported directly, but instead is mixed isopycnally with warm, salty waters that have been advected into the region, before the products are then exported. RTHIM solutions for 2015 volume, heat, and freshwater transports are compared with observations from a mooring array deployed for the Overturning in the Subpolar North Atlantic Program (OSNAP) and show good agreement, lending validity to our results.
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 | 0,000 | 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 ».