Mechanisms of Low-Frequency Variability in North Atlantic Ocean Heat Transport and AMOC
Notice bibliographique
Résumé
Abstract Ocean heat transport (OHT) plays a key role in climate and its variability. Here, we identify modes of low-frequency North Atlantic OHT variability by applying a low-frequency component analysis (LFCA) to output from three global climate models. The first low-frequency component (LFC), computed using this method, is an index of OHT variability that maximizes the ratio of low-frequency variance (occurring at decadal and longer timescales) to total variance. Lead-lag regressions of atmospheric and ocean variables onto the LFC timeseries illuminate the dominant mechanisms controlling low-frequency OHT variability. Anomalous northwesterly winds from eastern North America over the North Atlantic act to increase upper ocean density in the Labrador Sea region, enhancing deep convection, which later increases OHT via changes in the strength of the Atlantic Meridional Overturning Circulation (AMOC). The strengthened AMOC carries warm, salty water into the subpolar gyre, reducing deep convection and weakening AMOC and OHT. This mechanism, where changes in AMOC and OHT are driven primarily by changes in Labrador Sea deep convection, holds not only in models where the climatological (i.e., time-mean) deep convection is concentrated in the Labrador Sea, but also in models where the climatological deep convection is concentrated in the Greenland-Iceland-Norwegian (GIN) Seas or the Irminger and Iceland Basins. These results suggest that despite recent observational evidence suggesting that the Labrador Sea plays a minor role in driving the climatological AMOC, the Labrador Sea may still play an important role in driving low-frequency variability in AMOC and OHT.
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 | 0,000 |
| 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 ».