A simple model of seasonal open ocean convection. Part II: Labrador Sea stability and stochastic forcing
Notice bibliographique
Résumé
Aspects of open ocean deep convection variability are explored with a two-box model. In order to place the model in a region of parameter space relevant to the real ocean, it is fitted to observational data from the Labrador Sea. A systematic fit to OWS Bravo data allows us to determine the model parameters and to locate the position of the Labrador Sea on a stability diagram. The model suggests that the Labrador Sea is in a bistable regime where winter convection can be either ?on? or ?off?, with both these possibilities being stable climate states. When shifting the surface buoyancy forcing slightly to warmer or fresher conditions, the only steady solution is one without winter convection. We then introduce short-term variability by adding a noise term to the surface temperature forcing, turning the box model into a stochastic climate model. The surface forcing anomalies generated in this way induce jumps between the two model states. These state transitions occur on the interannual to decadal timescale. Changing the average surface forcing towards more buoyant conditions lowers the frequency of convection. However, convection becomes more frequent with stronger variability in the surface forcing. As part of the natural variability, there is a non-negligible probability for decadal interruptions of convection. The results highlight the role of surface forcing variability for the persistence of convection in the ocean.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 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 ».