Assessing the Impact of Climate Modes on Extreme Arctic Sea Ice Using Reanalysis Data
Notice bibliographique
Résumé
ABSTRACT Arctic Sea ice variability arises from both anthropogenic forcing and natural climate modes such as the El Niño‐Southern Oscillation (ENSO), North Atlantic Oscillation (NAO) and Arctic Oscillation (AO). While these modes are known to influence sea ice concentration (SIC) and thickness (SIT), their impacts on seasonal extremes remain less understood. In this study, the extreme SIC and SIT are investigated using ERA5 and CMEMS reanalysis products, applying a non‐stationary generalised extreme value (GEV) framework with climate indices as covariates. Results indicate that winter and spring sea‐ice variability is most pronounced in the Barents and Greenland Seas, where strong Atlantic inflows and dynamic atmospheric conditions make the marginal ice zone highly sensitive to even minor perturbations. Conversely, in the central and peripheral Arctic, variability maximises in summer and autumn, when melt processes, ice‐albedo feedback and delayed freeze‐up intensify interannual fluctuations. ENSO exerts notable seasonal effects: El Niño events enhance extreme SIC in the Laptev Sea but reduce it in the East Siberian Sea during summer, while SIT extremes increase in the Canadian Arctic Archipelago (CAA) and decline in the East Siberian Sea across all seasons. NAO‐related anomalies include stronger SIC and SIT extremes in the Beaufort Sea and CAA and reductions in the Chukchi Sea during autumn. AO effects include increased SIC in the Chukchi Sea during summer and autumn, but decreases in the Beaufort and CAA in summer; SIT extremes rise in the CAA during spring but fall in the Beaufort Sea in summer. Composite analysis further reveals that out‐of‐phase NAO‐AO states intensify autumn sea ice extremes, whereas in‐phase conditions exert weaker influences. These results emphasise the distinct and seasonally varying roles of climate modes in shaping Arctic Sea ice extremes, offering insights into future Arctic climate 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».