Active and passive ocean regimes in a low-order climate model
Notice bibliographique
Résumé
A low-order climate model is studied which combines the Lorenz-84 model for the atmosphereon a fast time scale and a box model for the ocean on a slow time scale. In this climate model, the ocean is forced strongly by the atmosphere. The feedback to the atmosphere is weak. Thebehaviour of the model is studied as a function of the feedback parameters. We find regions inparameter space with dominant atmospheric dynamics, i.e., a passive ocean, as well as regionswith an active ocean, where the oceanic feedback is essential for the qualitative dynamics. Theocean is passive if the coupled system is fully chaotic. This is illustrated by comparing theKaplan–Yorke dimension and the correlation dimension of the chaotic attractor to the valuesfound in the uncoupled Lorenz-84 model. The active ocean behaviour occurs at parametervalues between fully chaotic and stable periodic motion. Here, intermittency is observed. Bymeans of bifurcation analysis of periodic orbits, the intermittent behaviour, and the ro†le playedby the ocean model, is clarified. A comparison of power spectra in the active ocean regime andthe passive ocean regime clearly shows an increase of energy in the low frequency modes of theatmospheric variables. The results are discussed in terms of itinerancy and quasi-stationarystates observed in realistic atmosphere and climate models.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 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 ».