MétaCan
Menu
Retour à la cohorte
Enregistrement W4291165744 · doi:10.1029/2022gl099614

Impact of Vertical Mixing Parameterizations on Internal Gravity Wave Spectra in Regional Ocean Models

2022· article· en· W4291165744 sur OpenAlexafffund
Ritabrata Thakur, Brian K. Arbic, Dimitris Menemenlis, Kayhan Momeni, Yulin Pan, W. R. Peltier, Joseph Skitka, Matthew H. Alford, Yuchen Ma

Notice bibliographique

RevueGeophysical Research Letters · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaStennis Space CenterJet Propulsion LaboratoryNuclear Safety and Security CommissionOffice of Naval ResearchCompute CanadaNational Aeronautics and Space AdministrationCalifornia Institute of TechnologyUniversity of TorontoNational Science Foundation
Mots-clésInternal waveGeologyMixing (physics)WavenumberGravity waveKinetic energyVertical mixingSpectral lineGeophysicsRidgeOcean dynamicsAmplitudeGeodesyGravitational waveAtmospheric sciencesClimatologyPhysicsOcean currentOceanographyClassical mechanicsOptics

Résumé

récupéré en direct d'OpenAlex

Abstract We present improvements in the modeling of the vertical wavenumber spectrum of the internal gravity wave continuum in high‐resolution regional ocean simulations. We focus on model sensitivities to mixing parameters and comparisons to McLane moored profiler observations in a Pacific region near the Hawaiian Ridge, which features strong semidiurnal tidal beams. In these simulations, the modeled continuum exhibits high sensitivity to the background mixing components of the K‐Profile Parameterization (KPP) vertical mixing scheme. Without the KPP background mixing, stronger vertical gradients in velocity are sustained in the simulations and the modeled kinetic energy and shear spectral slopes are significantly closer to the observations. The improved representation of internal wave dynamics in these simulations makes them suitable for improving ocean mixing estimates and for the interpretation of satellite missions such as the Surface Water and Ocean Topography mission.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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 enseignants0,061
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
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 Opus0,056
Tête enseignante GPT0,301
Écart entre enseignants0,245 · 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

Citations20
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207