Variability modes of September Arctic sea ice: drivers and their contributions to sea ice trend and extremes
Notice bibliographique
Résumé
Abstract The variability of September Arctic sea ice at interannual to multidecadal time scales in the midst of anthropogenically forced sea ice decline is not fully understood. Understanding Arctic sea ice variability at different time scales is crucial for better predicting future sea ice conditions and separating the externally forced signal from internal variability. Here, we study modes of variability, extreme events and trend in September Arctic sea ice in 100–150 year datasets by using time-frequency analysis. We extract the non-linear trend for sea ice area and provide an estimate for the sea ice loss driven by anthropogenic warming with a rate of ∼−0.25 million km2 per decade in the 1980s and accelerating to ∼−0.47 million km2 per decade in 2010s. Assuming the same accelerating rate for sea ice loss in the future and excluding the contributions of internal variability and feedbacks, a September ice-free Arctic could occur around 2060. Results also show that changes in sea ice due to internal variability can be almost as large as forced changes. We find dominant modes of sea ice variability with approximated periods of around 3, 6, 18, 27 and 55 years and show their contributions to sea ice variability and extremes. The main atmospheric and oceanic drivers of sea ice modes include the Arctic Oscillation and Arctic dipole anomaly for the 3 year mode, variability of sea surface temperature (SST) in the Gulf Stream region for the 6-year mode, decadal SST variability in the northern North Atlantic Ocean for the 18-year mode, Pacific Decadal Oscillation for the 27 year mode, and Atlantic Multidecadal Oscillation for the 55 year mode. Finally, our analysis suggests that over 70% of the sea ice area loss between the two extreme cases of 1996 (extreme high) and 2007 (extreme low) is caused by internal variability, with half of this variability being related to interdecadal modes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».