MétaCan
Menu
Retour à la cohorte
Enregistrement W3036721288 · doi:10.5194/gmd-14-1101-2021

A fully coupled Arctic sea-ice–ocean–atmosphere model (ArcIOAM v1.0) based on C-Coupler2: model description and preliminary results

2021· article· en· W3036721288 sur OpenAlexaff
Shihe Ren, Xi Liang, Qizhen Sun, Hao Yu, Bruno Tremblay, Bo Lin, Xiaoping Mai, Zhao Fu, Na Liu, Zhikun Chen, Yunfei Zhang

Notice bibliographique

RevueGeoscientific model development · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSea iceClimatologyArcticArctic sea ice declineEnvironmental scienceAtmosphere (unit)Arctic ice packForcing (mathematics)Sea ice concentrationArctic geoengineeringMeteorologySea ice thicknessGeologyOceanographyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract. The Arctic regional coupled sea-ice–ocean–atmosphere model (ArcIOAM) has been developed to provide reliable Arctic sea ice prediction on seasonal timescales. The description and implementation of ArcIOAM and its preliminary results for the year of 2012 are presented in this paper. In the ArcIOAM configuration, the Community Coupler 2 (C-Coupler2) is used to couple the Arctic sea-ice–oceanic configuration of the MITgcm (Massachusetts Institute of Technology general circulation model) with the Arctic atmospheric configuration of the Polar WRF (Weather Research and Forecasting) model. A scalability test is performed to investigate the parallelization of the coupled model. As the first step toward reliable Arctic seasonal sea ice prediction, ArcIOAM, implemented with two-way coupling strategy along with one-way coupling strategy, is evaluated with respect to available observational data and reanalysis products for the year of 2012. A stand-alone MITgcm run with prescribed atmospheric forcing is performed for reference. From the comparison, all the experiments simulate reasonable evolution of sea ice and ocean states in the Arctic region over a 1-year simulation period. The two-way coupling has better performance in terms of sea ice extent, concentration, thickness and sea surface temperature (SST), especially in summer. This result indicates that sea-ice–ocean–atmosphere interaction plays a crucial role in controlling Arctic summertime sea ice distribution.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,199
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeoscientific model developmentMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207