Observed Ocean Surface Winds and Mixed Layer Currents Under Tropical Cyclones: Asymmetric Characteristics
Notice bibliographique
Résumé
Abstract Tropical cyclones (TC) transfer kinetic energy to the upper ocean and thus accelerate the ocean mixed layer (OML) currents. However, the quantitative link between near‐surface currents and high wind speeds, under extreme weather conditions, remains poorly understood. In this study, we use multi‐mission satellites and drifting‐buoy observations to investigate the connections between TC surface winds and currents, including their spatial distribution characteristics. Observed ageostrophic current speeds in the OML increase linearly with wind speeds (for the range 20–50 m/s). The ratios of the ageostrophic current speeds to the wind speeds are found to vary with TC quadrants. In particular, the mean ratio is around 2% in the left‐front and left‐rear quadrants with relatively small variability, compared to between 2% and 4% in the right‐front and right‐rear quadrants, with much higher variations. Surface winds and currents both exhibit strong asymmetric features, with the largest wind speeds and currents on the TC right side. In the eyewall region of Hurricane Igor, high winds (e.g., about 47 m/s) induce strong currents (about 2 m/s). The directional rotations of surface winds and currents are resonant and dependent on the location within the storm. Wind directions are approximately aligned with current directions in the right‐front quadrant; a difference of about 90° occurs in the left‐front and left‐rear quadrants. The directional discrepancy between winds and currents in the right‐rear quadrant is smaller. Reliable observations of the wind‐current relation, including asymmetric features, support published theories developed in idealized numerical experiments to explain the upper ocean response to TCs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».