An overview of the NEMO modelling for the BaySys project
Notice bibliographique
Résumé
This article is intended as an introduction to discuss the development of a modelling framework to examine simulated climate change and river discharge regulation and their combined impact on marine conditions in the Hudson Bay Complex as a contribution to BaySys, a collaborative project between Manitoba Hydro, Hydro-Quebec, the University of Manitoba, the University of Alberta, Université Laval and Ouranos. In support of this work, a sea ice and oceanographic model was improved and then used to further study the effects of freshwater loading and ice cover on the circulation of Hudson Bay. This modelling perspective is based on the Nucleus for European Modelling of the Ocean (NEMO) ocean general circulation model coupled to version 2 of the Louvain-la-Neuve sea ice model (LIM2). The goal of the modelling was to provide a framework and tool for simulating projected changes in marine state and dynamic variables, while also enabling an integration of observations and numerical analyses. A key aspect of this work was the climate-hydrologic-ocean model integration aspect. The inclusion of a biogeochemical model and explicit tidal forcing to examine the evolution of a Canadian marginal sea with century-long integrations was also a novel aspect of the work. Overall, this work examines the NEMO modelling configuration used in BaySys, how it is set up and the experiments carried out. A broader picture evaluation of the model output is made including the BaySys mooring observations, showing that the modelling framework is suitable to examine the posed questions on the role of climate change and river regulation.
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 | 0,001 | 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».