MétaCan
Menu
← Retour à la cohorte
Enregistrement W3174227431 · doi:10.5194/egusphere-egu21-6699

Long-lasting impacts of winds on Arctic sea ice through the ocean’s memory

2021· article· en· W3174227431 sur OpenAlexaboutno aff
Qiang Wang, Sergey Danilov, Longjiang Mu, Dmitry Sidorenko, Claudia Wekerle

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSea iceArctic sea ice declineArcticClimatologyArctic ice packGeostrophic currentGeostrophic windOceanographyArctic geoengineeringSea ice concentrationSea ice thicknessGeologyCanada BasinDrift iceOcean currentFast iceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This modelling study reveals that the changes in the ocean state induced by wind perturbations can significantly influence the Arctic sea ice drift, thickness, concentration and deformation rates even after the wind perturbations have been eliminated for years. Wind perturbations can change the Arctic Ocean liquid freshwater content locally or basin-wide, thus changing the sea surface height and ocean surface geostrophic current accordingly. Such changes in the ocean can last for many years, which enforces long-lasting and strong imprint on sea ice. Both the changes in sea surface height gradient force (due to changes in sea surface height) and ocean-ice stress (due to changes in ocean geostrophic velocity) are found to be important in determining the overall impacts on sea ice. Depending on the preceding atmospheric mode driving the ocean, the ocean’s memory of wind forcing can lead to changes in Arctic sea ice characteristics with very different spatial patterns. We identified these spatial patterns associated with Arctic Oscillation, Arctic Dipole Anomaly and Beaufort High modes through dedicated numerical simulations in this study. Our results suggest the importance of initial ocean state in sea ice prediction on subseasonal to decadal time scales.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,234
Écart entre enseignants0,214 · 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'étudeObservationnel
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 sujetArctic and Antarctic ice dynamics→Travaux en français237 207→