Seasonal and Regional Antarctic Sea Ice Biases: A Closer Look at CMIP6
Notice bibliographique
Résumé
Antarctic sea ice is poorly reproduced by most global coupled climate models, hindering understanding of historical sea ice behaviour and its broader climate interactions. In this study, a set of satellite-based observations are compared to pre-industrial control (piControl) sea ice concentration in 60 models from the sixth phase of the Coupled Model Intercomparison Project (CMIP6), to identify common and disparate mean state biases. Insufficient summer sea ice is a well-known deficiency; however, it is noted here that most models also underestimate maximum winter ice extent. Delayed onset of autumnal ice advance is common, and seasonal evolution of sea ice in early autumn is strongly correlated to maximum winter ice cover, indicating that deficient autumn ice gain impedes adequate winter expansion. Nearly a third of models overshoot the austral sea ice maximum, exaggerating the existing seasonal asymmetry, while several others omit the asymmetry entirely and instead have two equal-sized seasons. Summer and autumn ice tends to be less compact than observed, though winter compactness is better captured. Regional sea ice biases are most common in the Weddell and Haakon VII seas, as well as in East Antarctica, where winter ice is widely underestimated. These key temporal and spatial deficiencies highlight potential priorities for the improvement of simulated sea ice in future model development.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 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) | 0,003 | 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 ».