MétaCan
Menu
← Retour à la cohorte
Enregistrement W3166021895 · doi:10.5194/egusphere-egu21-8747

Internal Atlantic Multidecadal Variability mechanism at two model resolutions 

2021· article· en· W3166021895 sur OpenAlexaboutno aff
Michael Lai, Jon Robson, Laura J. Wilcox, Nick Dunstone

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesNatural Environment Research CouncilSight Research UK
Mots-clésClimatologyEnvironmental scienceForcing (mathematics)LatitudeClimate changeClimate modelAtmospheric sciencesOceanographyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

The Atlantic Multidecadal Variability (AMV) is a key factor in modulating climate change and its impacts around the world. Therefore, understanding of its physical mechanism will be crucial to achieving predictability on decadal timescales. However, details of the mechanism are not fully understood. This is evident in the wide range of simulated AMV timescales and spatial patterns exhibited by climate models in both pre-industrial and historical simulations. In this study, we assess the impact of model resolution on the internal AMV mechanism by taking advantage of the close physical similarities between the medium- and low-resolution versions of the HadGEM3 models. Here, we present results from analysing the N96ORCA1 (~135km atmosphere, 1° ocean) and N216ORCA025 (~60km, 0.25°) pre-industrial simulations. At both resolutions, we found that the internal AMV has a timescale of 70-100 years, comparable to the observed record. The processes driving decadal SST variability varies by latitude. Ocean heat transport changes associated with the AMOC drive subpolar variability, while surface fluxes associated with cloud and wind changes are more important in the subtropics. The AMOC strengthening is induced by density forcing from two sources. First, a Labrador Sea surface cooling driven by low-frequency positive NAO leads the AMOC by 5 years. Second, a source of anomalously saline Arctic water flowing into the subpolar North Atlantic also leads the AMOC by 5 years. Interestingly, the two resolutions disagree on the relative importance of these AMOC drivers. In the lower resolution model, the Arctic contribution is more important. However, the NAO dominates in the medium resolution model, and decadal NAO variability is more strongly associated with the AMV. Differences between the models are likely due to mean state differences including the strength and position of ocean currents such as the Gulf Stream, and their impacts on upper ocean properties.

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 enseignants0,052
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,273
Écart entre enseignants0,239 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate variability and models→Travaux en français237 207→