Modeled Impacts of Sea Ice Exchange Processes on Arctic Ocean Carbon Uptake and Acidification (1980–2015)
Notice bibliographique
Résumé
Abstract A regional Arctic ice ocean model incorporating biogeochemical processes occurring inside the sea ice and water column is used to assess changes to the Arctic Ocean's carbon system, including oceanic carbon uptake and ocean acidification, over the recent period of Arctic sea ice decline (1980–2015). Two novel modifications are the following: (1) incorporation of carbon uptake by sea ice algae and (2) modification of the sea ice carbon pump to allow for vertical transport by brine plumes with high concentrations of dissolved inorganic carbon (DIC) and total alkalinity (TA) to the bottom of the mixed layer. The simulated carbon uptake north of 66.5°N increases by 20%, from 110 to 135 Tg C yr −1 from 1980–2015, and the mean pan‐Arctic sea surface pH decreases from 8.1 to 8.0. There is substantial regional and seasonal variability, highlighting potential problems with interpolating sparse measurements. Two sensitivity studies assess the effects of modifications to the near‐surface carbonate system. First, excluding the sea ice carbon pump results in a marked decrease in seasonal variability of pan‐Arctic‐mean sea surface DIC (∼25% less than the standard run) and TA (∼10% less), suggesting that neglecting the ice carbon pump results in models overestimating the saturation state in summer. Second, neglecting the sea ice algae results in an underestimation of the Arctic Ocean's annual carbon uptake (∼3% per year), indicating that the accumulating year‐on‐year underestimation of annual carbon uptake, as a result of neglecting sea ice algae, would lead to increasing error over multidecadal runs of polar ocean models.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».