MétaCan
Menu
← Retour à la cohorte
Enregistrement W4321492471 · doi:10.5194/egusphere-egu23-1249

Spiciness of the subpolar North Atlantic affects the response of the Atlantic Meridional Overturning Circulation to the North Atlantic Oscillation in CMIP6 models

2023· preprint· en· W4321492471 sur OpenAlexaboutno aff
Annika Reintges, Jon Robson, Rowan Sutton, Stephen Yeager

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesNatural Environment Research CouncilSight Research UK
Mots-clésNorth Atlantic oscillationOcean gyreClimatologyThermohaline circulationAtlantic multidecadal oscillationAtlantic Equatorial modeNorth Atlantic Deep WaterTropical AtlanticClimate modelLatitudeOceanographyZonal and meridionalSea surface temperatureTemperature salinity diagramsOcean currentEnvironmental scienceGeologySalinityClimate changeSubtropics

Résumé

récupéré en direct d'OpenAlex

Climate models are a valuable tool to study the interaction between ocean and atmosphere. Nevertheless, they are known to suffer from various biases and uncertainties. In the subpolar North Atlantic typical biases among models from the Coupled Model Intercomparison Project phase 6 (CMIP6) are found in the mean surface temperature and salinity, and in the mean sea ice concentration. These biases will affect the air-sea interaction.In this study, we are investigating the diversity of CMIP6 models with respect to their response of the Atlantic Meridional Overturning Circulation (AMOC) to the North Atlantic Oscillation (NAO) in pre-industrial control experiments. This response is sensitive to the mean spiciness of the North Atlantic. Thus, we focus on two categories of models: Models that are spicy (warm-salty) and models that are minty (cold-fresh) within the subpolar gyre of the North Atlantic. Spicy models tend to have a lower sea ice cover in the Labrador Sea (LS) and larger LS heat loss during a positive NAO, compared to minty models. Also, spicy models have a weaker stratification in the LS. Sub-surface density changes 1 to 3 years after the NAO are larger in the spicy models and establish a zonal density gradient that can cause a stronger delayed AMOC response that is also more coherent across latitudes.Although some metrics seem to be more realistic in the spicy models, other characteristics seem less realistic compared to the minty models, like the mixed layer depth relative importance between the eastern and the western subpolar North Atlantic. This could be a sign for how some mean states or processes might be right for the wrong reasons and stresses the need for model improvement.

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)0,002
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 enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,035
Tête enseignante GPT0,244
Écart entre enseignants0,209 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate variability and models→Travaux en français237 207→