Simulating Linear Kinematic Features in Viscous‐Plastic Sea Ice Models on Quadrilateral and Triangular Grids With Different Variable Staggering
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Observations in polar regions show that sea ice deformations are often narrow linear features. These long bands of deformations are referred to as Linear Kinematic Features (LKFs). Viscous‐plastic sea ice models have the capability to simulate LKFs and more generally sea ice deformations. Moreover, viscous‐plastic models simulate a larger number and more refined LKFs as the spatial resolution is increased. Besides grid spacing, other aspects of a numerical implementation, such as the placement of velocities and the associated degrees of freedom, may impact the formation of simulated LKFs. To explore these effects this study compares numerical solutions of sea ice models with different velocity staggering in a benchmark problem. Discretizations based on A‐,B‐, and C‐grid systems on quadrilateral meshes have similar resolution properties as an approximation with an A‐grid staggering on triangular grids (with the same total number of vertices). CD‐grid approximations with a given grid spacing have properties, specifically the number and length of simulated LKFs, that are qualitatively similar to approximations on conventional Arakawa A‐grid, B‐grid, and C‐grid approaches with half the grid spacing or less, making the CD‐discretization more efficient with respect to grid resolution. One reason for this behavior is the fact that the CD‐grid approach has a higher number of degrees of freedom to discretize the velocity field. The higher effective resolution of the CD‐discretization makes it an attractive alternative to conventional discretizations.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle