Impact of non-normal flow rule on linear kinematic features in pan-Arctic ice-ocean simulations
Notice bibliographique
Résumé
Abstract. The standard sea ice viscous-plastic (VP) rheology is based on an elliptical yield curve and a normal flow rule. This formulation implies that the post-failure deformations are always normal to the yield curve. A drawback of this is that modifications to the yield curve also lead to notable changes to the deformations. We implemented the plastic potential approach of Ringeisen et al. (2021) in the CICE sea ice model. With this formulation, deformations are normal to an elliptical plastic potential which is defined independently from the yield curve. This an interesting capability as it allows to independently optimize deformations while parameters defining the yield curve could serve to adjust landfast ice and to a lesser extent sea ice drift. We investigated the impact of a non-normal flow rule in pan-Arctic simulations. Compared to the standard VP rheology, the non-normal flow rule leads to a more active sea ice cover with narrower linear kinematic features (LKFs) and a higher LKF density. The higher divergence with the non-normal flow rule causes an enhanced ice growth and larger Arctic sea ice volume. In idealized experiments, Ringeisen et al. (2021) showed that the non-normal flow rule can correct the unrealistic (too large) intersection angles between LKFs. However, in our pan-Arctic simulations, the non-normal flow rule does not correct the unrealistic intersection angles which are often around 90°. Results suggest that these frequent 90° angles are partly caused by the alignment of LKFs with the computational grid.
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) | 0,002 | 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 ».