XiaoMi-AI文件搜索系统
World File Search SystemAMOC
AMOC崩溃对季风降雨的影响
摘要大西洋子午倾覆（AMOC）的崩溃将对全球降水模式产生重大影响，尤其是在脆弱的热带季风区域。我们在实验中评估了这些影响，这些实验将相同的淡水面包植入具有BISTABL AMOC的四个状态的气候模型。与以前的结果相反，我们发现降水的空间和季节性变化在各个模型之间都非常一致。我们专注于南美季风（SAM），西非季风（WAM），印度夏季季风（ISM）和东亚夏季季风（EASM）。模型始终提出对WAM，ISM和EASM的实质性破坏，其潮湿且较长的干燥季节（-29.07％，-18.76％和-3.78％的集合分别平均年降雨量变化）。模型也同意SAM的变化，这表明与以前的研究相反，降雨总体上升。在南部亚马逊（ + 43.79％）中，这些更为明显，伴随着降低季节的长度。在模型中始终如一，我们的结果表明，所有热带季风系统响应AMOC崩溃，对所有热带季风系统进行了稳健而重大的重排。
重新审视AMOC放缓的气候影响
淡水输入的关键位置驱动大西洋子午倾覆（AMOC）放缓及其气候反应尚无定论。使用最先进的全球气候模型，我们进行淡水软管实验，以重新检查AMOC敏感性及其气候影响。irminger盆地是额外淡水通量的最有效区域，导致最大的AMOC弱化。尽管全球温度和降水反应是相对均匀的，次洲互惠的反应（尤其是在北部纬度）是异质的。在高纬度地区，海冰对淡水通量的反应和相关的冰 - 阿尔贝托的反馈决定了温度的变化。在热带和热带区域中，温度动力学是通过大气循环和海洋热传输来塑造的。降水显示由于表面湍流变化以及热带收敛区（ITCZ）的南部运动而导致的季节性和区域变异性。气候极端的广泛异质性强调了监测与AMOC放缓相关的淡水释放区域的需求。这些发现对理解古气候和未来的AMOC影响具有重要意义。
AMOC崩溃对季风降雨的影响：多
摘要大西洋子午倾覆（AMOC）的崩溃将对全球降水模式产生重大影响，尤其是在脆弱的热带季风区域。我们在实验中评估了这些影响，这些实验将相同的淡水面包植入具有BISTABL AMOC的四个状态的气候模型。与以前的结果相反，我们发现降水的空间和季节性变化在各个模型之间都非常一致。我们专注于南美季风（SAM），西非季风（WAM），印度夏季季风（ISM）和东亚夏季季风（EASM）。模型始终提出对WAM，ISM和EASM的实质性破坏，其潮湿且较长的干燥季节（-29.07％，-18.76％和-3.78％的集合分别平均年降雨量变化）。模型也同意SAM的变化，这表明与以前的研究相反，降雨总体上升。在南部亚马逊（ + 43.79％）中，这些更为明显，伴随着降低季节的长度。在模型中始终如一，我们的结果表明，所有热带季风系统响应AMOC崩溃，对所有热带季风系统进行了稳健而重大的重排。
海冰绝缘的作用对AMOC概率的影响
©202 4美国气象学会。这是根据默认AMS重用许可条款分发的作者接受的手稿。有关重用和一般版权信息的信息，请咨询AMS版权政策（www.ametsoc.org/pubsreuselicenses）。
使用机器学习估算AMOC过渡概率
早期在线版本：该初步版本已被接受用于地球系统的人工智能出版，可以完全引用，并已被分配DOI 10.1175/AIES-D-24-0002.1。最终的排版复制文章将在发布时在上述DOI上替换EOR。
海冰绝缘的作用对AMOC过渡概率的影响
摘要：使用社区地球系统模型（CESM）进行的最新模拟表明，在不同的表面淡水强迫下，海冰过程在大西洋子午倾斜循环（AMOC）磁滞行为中至关重要。在这里，我们使用其他CESM模拟和新颖的概念海洋 - 海冰盒模型进一步研究了这个问题。CESM模拟表明，海冰的存在引起了统计平衡的存在，而AMOC强度较弱。这在概念模型中得到了证实，该模型捕获了与CESM模拟相似的AMOC HyStere-SIS行为，以及计算稳态与淡水强迫参数相比。在概念模型中，使用稀有事件技术确定不同均衡状态之间的过渡概率。考虑海冰的效应时，从强大的AMOC状态到AMOC状态较弱的过渡概率增加，并表明海冰促进了这些过渡。另一方面，海冰绝缘效应强烈降低了从弱AMOC状态到强大的AMOC状态的反向过渡的概率，这意味着海冰也限制了AMOC的恢复。这里的结果表明，海冰效应在不同平衡状态之间的AMOC磁滞宽度和影响转变概率中起主要作用。
使用基于机器学习的稀有事件算法估算AMOC过渡概率
摘要：大西洋子午翻转循环（AMOC）是全球气候的重要组成部分，已知是倾倒元素，因为它可能在全球变暖下崩溃。这项研究的主要目的是使用一种称为轨迹 - 自适应多级分裂（TAMS）的稀有事实算法来计算AMOC在指定时间窗口内崩溃的概率。但是，TAM的效率和准确性取决于分数函数的选择。尽管已知最佳得分函数的定义称为“委员会函数”，但总的来说，不可能先验地计算它。在这里，我们将TAM与下一代储层计算技术相结合，该计算技术从稀有事实算法产生的数据中估计委员会函数。我们在存在两种类型的过渡的AMOC的随机盒模型中测试了这一技术，所谓的快速（F）和慢速（S）过渡。f的结果与使用物理知情得分函数的文献中的结果相比有利。我们表明，使用机器学习的稀有事实算法可以正确估计过渡概率，过渡时间甚至过渡路径，以实现广泛的模型参数。然后，我们将这些结果扩展到同一模型中S转变的更为困难问题。在两种F转型和S转型的情况下，我们还展示了如何解释下一代储层计算技术以检索委员会功能的分析估计。
印度洋表面淡水通量偏见对AMOC
使用概念模型（Cessi，1994; Cimatoribus等，2012）和完全占地的海洋气候模型（De Niet等，2007; Toom et al。，2012; Mulder等，2021）。这些研究的重要结果之一是（在这些模型中）的存在与可观察的数量有关（Rahmstorf，1996），现在通常称为AMOC稳定性（或制度）指标。该指标在文献中具有许多不同的符号，例如m ov（de Vries and Weber，2005）或F ov（Hawkins等，2011）。在这里，我们将遵循Weijer等人。（2019）并使用f ovs（f ovn）作为AMOC在大西洋盆地的35°S（60°N）的南部（北部）边界上携带的淡水运输（Dijkstra，2007; Huisman et al。，2010; Liu et al。，2017）。可用的观察结果（Bryden等，2011）表明，当今的AMOC将淡水从大西洋出口（F OVS <0）。众所周知，F ovs忽略了一些相关的过程（Gent，2018），但是如果人们接受f ovs是适当的指标，则AMOC基于其观察到的价值（Weijer等，2019）。