MétaCan
Menu
Retour à la cohorte
Enregistrement W4411993314 · doi:10.1016/j.jcp.2026.115116

Well posedness of a regularized-Hibler model of sea-ice dynamics

2025· preprint· en· W4411993314 sur OpenAlexafffund
Sofiane Chatta, Boualem Khouider

Notice bibliographique

RevueJournal of Computational Physics · 2025
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDynamics (music)GeologySea iceGeodesyClimatologyMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

The viscous-plastic equations (VPE) of sea-ice dynamics and some of their variants are arguably the most widely used model to track the evolution of Arctic and Antarctic sea ice in current climate models. However, because of the inherent highly non-linear rheology and particularly singular viscosity coefficients, both their numerical and analytical treatments remain a challenge. Regularization and relaxation techniques are often used to make the equations tractable both numerically and theoretically. Here, a particular regularization which smooths the bulk and shear viscosities via a hyperbolic tangent, originally proposed for numerical simulations, is studied from the partial differential equation (PDE) analysis point of view. Using a combination of analytical results and numerical exploration, it is suggested here that the linearized equations in 2d dimensions, of these regularized equations, are well-posed, as a mixed hyperbolic-parabolic system of PDEs, for all background ice-flow solutions with finite gradient but it loses parbolicity in some isolated flow configurations when the flow gradient is infinite. This result extends a previous finding by the authors where it is shown that the smoothed 1d VPE model is uniformly linearly well-posed and it is in contrast to existing results that demonstrated that for the original-unsmoothed case, the VPEs in 1d are ill posed under divergent ice flows while in the 2d case the analysis is inconclusive in most cases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,569
Score d'incertitude au seuil0,741

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,236
Écart entre enseignants0,221 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Computational PhysicsMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207