Arctic sea ice anomalies during the MOSAiC winter 2019/20
Notice bibliographique
Résumé
Abstract. During the winter of 2019/2020, as the Multidisciplinary drifting Observatory for the Study of Arctic Climate (MOSAiC) project started its work, the Arctic Oscillation (AO) experienced some of its largest shifts, ranging from a highly negative index in November 2019 to an extremely positive index during January–February–March (JFM) 2020. The permanent positive AO phase for the 3 months of JFM 2020 was accompanied by a prevailing positive phase of the Arctic Dipole (AD) pattern. Here we analyze the sea ice thickness (SIT) distribution based on CryoSat-2/SMOS satellite-derived data augmented with results from the hindcast simulation by the fully coupled Regional Arctic System Model (RASM) from November 2019 through March 2020. A notable result of the positive AO phase during JFM 2020 was large SIT anomalies of up to 1.3 m that emerged in the Barents Sea (BS), along the northeastern Canadian coast and in parts of the central Arctic Ocean. These anomalies appear to be driven by nonlinear interactions between thermodynamic and dynamic processes. In particular, in the Barents and Kara seas (BKS), they are a result of enhanced ice growth connected with low-temperature anomalies and the consequence of intensified atmospherically driven sea ice transport and deformations (i.e., ice divergence and shear) in this area. The Davies Strait, the east coast of Greenland and the BS regions are characterized by convergence and divergence changes connected with thinner sea ice at the ice borders along with an enhanced impact of atmospheric wind forcing. Low-pressure anomalies that developed over the eastern Arctic during JFM 2020 increased northerly winds from the cold Arctic Ocean to the BS and accelerated the southward drift of the MOSAiC ice floe. The satellite-derived and simulated sea ice velocity anomalies, which compared well during JFM 2020, indicate a strong acceleration of the Transpolar Drift relative to the mean for the past decade, with intensified speeds of up to 6 km d−1. As a consequence, sea ice transport and deformations driven by atmospheric surface wind forcing accounted for the bulk of the SIT anomalies, especially in January 2020 and February 2020. RASM intra-annual ensemble forecast simulations with 30 ensemble members forced with different atmospheric boundary conditions from 1 November 2019 through 30 April 2020 show a pronounced internal variability in the sea ice volume, driven by thermodynamic ice-growth and ice-melt processes and the impact of dynamic surface winds on sea ice formation and deformation. A comparison of the respective SIT distributions and turbulent heat fluxes during the positive AO phase in JFM 2020 and the negative AO phase in JFM 2010 corroborates the conclusion that winter sea ice conditions in the Arctic Ocean can be significantly altered by AO variability.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».