MétaCan
Menu
Retour à la cohorte
Enregistrement W4252948015 · doi:10.5194/gmd-2020-426

The interpretation of temperature and salinity variables in numerical ocean model output, and the calculation of heat fluxes and heat content

2021· preprint· en· W4252948015 sur OpenAlexaff
Trevor J. McDougall, Paul M. Barker, Ryan M. Holmes, Rich Pawlowicz, Stephen M. Griffies, Paul J. Durack

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesLawrence Livermore National LaboratoryAustralian Research Council
Mots-clésSalinityIsobaric processTemperature salinity diagramsEnthalpyThermodynamicsSeawaterHeat fluxPotential temperatureHeat capacitySea surface temperatureEnvironmental scienceClimatologyHeat transferGeologyPhysicsOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract. The 2010 international thermodynamic equation of seawater, TEOS-10, defined the enthalpy and entropy of seawater, thus enabling the global ocean heat content to be calculated as the volume integral of the product of in situ density, ρ, and potential enthalpy, h0 (with reference sea pressure of 0 dbar). In terms of Conservative Temperature, Θ, ocean heat content is the volume integral of ρcp0Θ, where cp0 is a constant isobaric heat capacity. However, several ocean models in CMIP6 (as well as all of those in previous Coupled Model Intercomparison Project phases, such as CMIP5) have not been converted from EOS-80 (Equation of State - 1980) to TEOS-10, so the question arises of how the salinity and temperature variables in these models should be interpreted. In this article we address how heat content, surface heat fluxes and the meridional heat transport are best calculated in these models, and also how these quantities should be compared with the corresponding quantities calculated from observations. We conclude that even though a model uses the EOS-80 equation of state which expects potential temperature as its input temperature, the most appropriate interpretation of the model's temperature variable is actually Conservative Temperature. This interpretation is needed to ensure that the air-sea heat flux that leaves/arrives-in the atmosphere is the same as that which arrives-in/leaves the ocean. We also show that the salinity variable carried by TEOS-10 based models is Preformed Salinity, while the prognostic salinity of EOS-80 based models is also proportional to Preformed Salinity. These interpretations of the salinity and temperature variables in ocean models are an update on the comprehensive Griffies et al. (2016) paper that discusses the interpretation of many aspects of coupled model runs.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,212
Écart entre enseignants0,197 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOceanographic and Atmospheric ProcessesTravaux en français237 207