MétaCan
Menu
Retour à la cohorte
Enregistrement W3048815098 · doi:10.5194/os-17-59-2021

Antarctic Bottom Water and North Atlantic Deep Water in CMIP6 models

2021· article· en· W3048815098 sur OpenAlexaboutno aff
Céline Heuzé

Notice bibliographique

RevueOcean science · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAntarctic Bottom WaterNorth Atlantic Deep WaterAbyssal zoneOceanographyGeologyAntarctic Intermediate WaterCircumpolar deep waterClimatologyThermohaline circulationOcean currentClimate modelWeddell Sea Bottom WaterDeep seaShutdown of thermohaline circulationOcean dynamicsClimate changeIce shelfSea ice

Résumé

récupéré en direct d'OpenAlex

Abstract. Deep and bottom water formation are crucial components of the global ocean circulation, yet they were poorly represented in the previous generation of climate models. We here quantify biases in Antarctic Bottom Water (AABW) and North Atlantic Deep Water (NADW) formation, properties, transport, and global extent in 35 climate models that participated in the latest Climate Model Intercomparison Project (CMIP6). Several CMIP6 models are correctly forming AABW via shelf processes, but 28 models in the Southern Ocean and all 35 models in the North Atlantic form deep and bottom water via open-ocean deep convection too deeply, too often, and/or over too large an area. Models that convect the least form the most accurate AABW but the least accurate NADW. The four CESM2 models with their overflow parameterisation are among the most accurate models. In the Atlantic, the colder the AABW, the stronger the abyssal overturning at 30∘ S, and the further north the AABW layer extends. The saltier the NADW, the stronger the Atlantic Meridional Overturning Circulation (AMOC), and the further south the NADW layer extends. In the Indian and Pacific oceans in contrast, the fresher models are the ones which extend the furthest regardless of the strength of their abyssal overturning, most likely because they are also the models with the weakest fronts in the Antarctic Circumpolar Current. There are clear improvements since CMIP5: several CMIP6 models correctly represent or parameterise Antarctic shelf processes, fewer models exhibit Southern Ocean deep convection, more models convect at the right location in the Labrador Sea, bottom density biases are reduced, and abyssal overturning is more realistic. However, more improvements are required, e.g. by generalising the use of overflow parameterisations or by coupling to interactive ice sheet models, before deep and bottom water formation, and hence heat and carbon storage, are represented accurately.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,099
Score d'incertitude au seuil0,196

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,018
Tête enseignante GPT0,217
Écart entre enseignants0,199 · 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

Citations237
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOcean scienceMême sujetClimate variability and modelsTravaux en français237 207