Bulk, Spectral and Deep Water Approximations for Stokes Drift: Implications for Coupled Ocean Circulation and Surface Wave Models
Notice bibliographique
Résumé
Abstract Surface waves modify upper ocean dynamics through Stokes drift related processes. Stokes drift estimated from a discrete wave spectrum is compared to Stokes drift approximations as a monochromatic profile based on bulk surface wave parameters, and to two additional superexponential functional forms. The impact of these different methods on ocean processes is examined in two test‐bed cases of a wave‐current coupled system: (1) a wind‐free shallow water inlet test case and (2) an idealized deep water hurricane case with high varying winds. In case (1), tidal currents and bathymetry can modify the waves and significantly affect Stokes drift computed from the wave spectrum. In case (2), rapid variation in atmospheric stress at high wind speed generates large departures from fully developed equilibrium seas. In both cases, large deviations in ocean current response are produced when the Stokes drift is approximated monochromatically from bulk wave parameters, rather than from integration over the wave spectra. Deep water simulations using the two superexponential approximations are in better agreement with those estimated from wave spectra than are those using the monochromatic, exponential profile based on bulk wave parameters. In order to represent the impact of Stokes drift at resolved scales, we recommend that for studies of nearshore processes and deep water events, like wave‐current interactions under storms, the Stokes drift should be calculated from full wave spectra. For long simulations of open ocean dynamics, methods using superexponential profiles to represent equilibrium wind seas might be sufficient, but appear to be marginally more computationally efficient.
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 | 0,001 |
| 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 ».