Deep mixed ocean volume in the Labrador Sea in HighResMIP models
Notice bibliographique
Résumé
Abstract Simulations from seven global coupled climate models performed at high and standard resolution as part of the high resolution model intercomparison project (HighResMIP) are analyzed to study deep ocean mixing in the Labrador Sea and the impact of increased horizontal resolution. The representation of convection varies strongly among models. Compared to observations from ARGO-floats and the EN4 data set, most models substantially overestimate deep convection in the Labrador Sea. In four out of five models, all four using the NEMO-ocean model, increasing the ocean resolution from 1° to 1/4° leads to increased deep mixing in the Labrador Sea. Increasing the atmospheric resolution has a smaller effect than increasing the ocean resolution. Simulated convection in the Labrador Sea is mainly governed by the release of heat from the ocean to the atmosphere and by the vertical stratification of the water masses in the Labrador Sea in late autumn. Models with stronger sub-polar gyre circulation have generally higher surface salinity in the Labrador Sea and a deeper convection. While the high-resolution models show more realistic ocean stratification in the Labrador Sea than the standard resolution models, they generally overestimate the convection. The results indicate that the representation of sub-grid scale mixing processes might be imperfect in the models and contribute to the biases in deep convection. Since in more than half of the models, the Labrador Sea convection is important for the Atlantic Meridional Overturning Circulation (AMOC), this raises questions about the future behavior of the AMOC in the models.
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 | 0,001 |
| 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) | 0,000 | 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 ».