Subseasonal Predictability of Arctic Ocean Sea Ice Conditions: Bering Strait and Ekman-Driven Ocean Heat Transport
Notice bibliographique
Résumé
Abstract We use ocean observations and reanalyses to investigate the subseasonal predictability of summer and fall sea ice area (SIA) in the western Arctic Ocean associated with lateral ocean heat transport (OHT) through Bering Strait and vertical OHT along the Alaskan coastline from Ekman divergence and upwelling. Results show predictive skill of spring Bering Strait OHT anomalies in the Chukchi Sea and eastern East Siberian Sea for June and July SIA, followed by a sharp drop in predictive skill in August, September, and October and a resurgence of the correlation in November during freeze-up. Fall upwelling of Pacific Water along the Alaskan coastline—a mechanism that was proposed as a preconditioner for lower sea ice concentration (SIC) in the Beaufort Sea the following summer—shows minimal predictive strength on both local and regional scales for any months of the melt season. A statistical hindcast based on May Bering Strait OHT anomalies explains 77% of July Chukchi Sea SIA variance. Using OHT as a predictor of SIA anomalies in the Chukchi Sea improves hindcasts from the simple linear trend by 35% and predictions from spring sea ice thickness anomalies by 24%. This work highlights the importance of ocean heat anomalies for melt season sea ice prediction and provides observational evidence of subseasonal changes in forecast skill observed in model-based forecasts of the Chukchi Sea.
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) | 0,001 | 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 ».