Antarctic Bottom Water and North Atlantic Deep Water in CMIP6 models
Notice bibliographique
Résumé
Abstract. Deep water formation is the driver of the global ocean circulation, yet it was poorly represented in the previous generation of climate models. We here quantify biases in Antarctic Bottom Water (AABW) and North Atlantic Deep Water (NADW) formation, properties, transport and global extent in 35 climate models that participated in the latest Climate Model Intercomparison Project (CMIP6). Several CMIP6 models are correctly forming AABW via shelf processes, but in both hemispheres, the large majority of climate models form deep water via open ocean deep convection, too deep, too often, over too large an area. Models that convect the least form the most accurate AABW, but the least accurate NADW. The four CESM2 models with their pipe/overflow parameterisation are among the most accurate models. In the Atlantic, the colder AABW, the stronger the abyssal overturning at 30° S, and the further north the AABW layer extends. The saltier NADW, the stronger the Atlantic Meridional Overturning Circulation (AMOC), and the further south the NADW layer extends. In the Indian and Pacific oceans in contrast, the fresher models are the ones who extend the furthest regardless of the strength of their abyssal overturning, most likely because they also are the models with the weakest fronts in the Antarctic Circumpolar Currents. There are clear improvements since CMIP5: several CMIP6 models correctly represent or parameterise Antarctic shelf processes, fewer models exhibit Southern Ocean deep convection, more models convect at the right location in the Labrador Sea, bottom density biases are reduced, and abyssal overturning is more realistic. But more improvements are required, e.g. by generalising the use of overflow parameterisations or by coupling to interactive ice sheet models, before deep water formation, and hence heat and carbon storage, are represented accurately.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».