MétaCan
Menu
Retour à la cohorte
Enregistrement W4400045449 · doi:10.1029/2023jc020258

Polar Lows and Their Effects on Sea Ice and the Upper Ocean in the Iceland, Greenland, and Labrador Seas

2024· article· en· W4400045449 sur OpenAlexaboutno aff
Oliver Gutjahr, Carolin Mehlmann

Notice bibliographique

RevueJournal of Geophysical Research Oceans · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensnon disponible
Organismes subventionnairesHORIZON EUROPE Framework ProgrammeDeutsche Forschungsgemeinschaft
Mots-clésSea iceGeologyOceanographyAntarctic sea iceArctic ice packCryospherePolarClimatologyDrift iceIce shelfWeddell Sea Bottom WaterArctic sea ice decline

Résumé

récupéré en direct d'OpenAlex

Abstract Using two case studies, we analyze the effects of explicitly resolving polar lows in a global climate model (ICON‐Sapphire) with a high resolution of 2.5 km on the upper ocean and sea ice. We aim to understand the mechanism of how polar lows form in a global coupled model and how they interact with the upper ocean and sea ice. When polar lows form at the sea ice edge, they induce marine cold air outbreaks that lead to large heat loss from the ocean. This heat loss contributes to dense water formation in the Iceland and Greenland Seas, which replenishes the climatically important Denmark Strait Overflow Water (DSOW). The high wind speeds of polar lows open leads and polynyas in the sea ice cover, such as the Sirius Water Polynya in northeastern Greenland. Heat loss in polynyas is compensated for by the formation of new ice, and the rejected brine densifies the water on the Greenland shelf. In the Labrador Sea, polar lows intensify cold air outbreaks from the sea ice and rapidly deepen the ocean mixed layer. Resolving polar lows and kinematic features in the sea ice improves the realism of climate models, in particular the surface heat loss and the dense water formation in (sub)polar oceans.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,768
Score d'incertitude au seuil0,461

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,012
Tête enseignante GPT0,261
Écart entre enseignants0,248 · 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'étudeObservationnel
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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research OceansMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207