MétaCan
Menu
Retour à la cohorte
Enregistrement W7105990301 · doi:10.7939/83029

Investigating the role of extratropical cyclones in North Atlantic deep water formation

2025· dissertation· en· W7105990301 sur OpenAlexaboutno aff

Notice bibliographique

RevueUniversity of Alberta Library · 2025
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExtratropical cycloneForcing (mathematics)Deep convectionNorth Atlantic Deep WaterWater massStormHydrographyThermohaline circulation

Résumé

récupéré en direct d'OpenAlex

The Atlantic Meridional Overturning Circulation (AMOC) is a vital mechanism of heat transport in the climate system, but it has been suggested that its strength will change in the coming decades. This strength depends in part on water mass transformations in the North Atlantic, and understanding the factors that contribute to this variability is crucial to predicting the future behaviour of the AMOC. In the Labrador and Nordic Seas, where deep convection occurs and replenishes the deep water masses of the AMOC, atmospheric forcing is a critical factor in the priming and initiation of convection. In particular, extratropical cyclones (ETCs) provide high-frequency forcing that can influence hydrographic properties in the upper water column. These effects can be studied by forcing an ocean model with atmospheric datasets that include such storms, and then analyzing the response of the ocean to them. This thesis will first present background information on the processes of deep convection and deep water formation in the North Atlantic, as well as discussing extratropical cyclones and the air-sea interactions associated with them. Details of the ocean model and atmospheric datasets used to perform this study will be described. ETC statistics are calculated to study seasonal and interannual patterns of storm characteristics. The results indicate that stronger cyclones tend to occur in the cold season, and that the maximum strength of ETCs on a year-to-year basis may correlate with the phase of the NAO. Various properties from the ocean model output are also examined as time series associated with individual cyclones that are detected in the atmospheric datasets. These time series are also averaged to calculate the mean ocean response to various categories of ETCs. We find that individual cyclones may change sea surface temperatures by up to 2°C, though the mean change was around 0.2°C. The density and depth of the mixed layer do increase in response to ETC passage, and these changes persist for at least a week post-cyclone. The depth of the mixed layer also tends to remain somewhat deeper than its pre-cyclone depth even after returning to equilibrium, suggesting that ETCs passing in succession may progressively deepen the mixed layer over time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,006
Tête enseignante GPT0,166
Écart entre enseignants0,160 · 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 source (Gemma direct ou Codex distillé), 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'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Alberta LibraryMême sujetClimate variability and modelsTravaux en français237 207