Links between atmospheric aerosols and sea state in the Arctic Ocean
Notice bibliographique
Résumé
Sea spray emission is the largest mass flux of aerosols to the atmosphere with important impact on atmospheric radiative transfer. However, large uncertainties still exit in constraining this mass flux and its climate forcing, in particular in the Arctic, where sea ice and relatively low wind speed in summer constitute a significantly different regime compared to the global ocean. Sea state conditions and marine boundary layer stability are also critical variables, but their contribution is often overlooked. Here we present concurrent observations of sea state using a novel stereo camera system, of sea spray through coarse mode aerosols, and of meteorological variables to determine boundary layer stability in the Barents and Kara Seas during the 2021 Arctic Century Expedition. Our findings reveal that aerosol concentrations were highest over open waters, closely correlating with wave height, followed by wind speed, wave steepness, and wave age. Notably, these correlations were stronger under unstable marine boundary layer conditions, reflecting immediate sea spray generation. By analysing various combinations of sea and atmospheric variables, we identified the wave height Reynolds number as the most effective indicator of atmospheric sea spray concentration, explaining 57% of its variability in unstable conditions. Our study underscores the need to consider sea state, wind, and boundary layer conditions together to accurately estimate atmospheric sea spray concentrations in the Arctic. • Sea surface state relation to coarse mode aerosol was studied over the Arctic Ocean. • Aerosol concentration correlated stronger to sea state in unstable boundary layer. • Wave height Reynolds number best parametrized the aerosol concentration variability.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».