Linear Kinematic Features (LKFs) are found everywhere in the Arctic sea ice cover. They are strongly localized deformations often associated with the formation of leads and pressure ridges. Viscous-plastic sea ice models start to generate LKFs at high spatial grid resolution, typically with a grid spacing below 5 km. Besides grid spacing, other aspects of a numerical implementation, such as discretization details, may affect the number and definition of simulated LKFs. To explore these effects, the solutions of sea ice models with different grid spacings, mesh types, and numerical discretization techniques are compared in an idealized configuration, which could also serve as a benchmark problem in the future. The A, B, and C-grid discretizations of sea ice dynamics on quadrilateral meshes leads to a similar number of LKFs as the A-grid approximation on triangular meshes (with the same number of vertices). The discretization on an Arakawa CD-grid on both structured quadrilateral and triangular meshes resolves the same number of LKFs as conventional Arakawa A-grid, B-grid, and C-grid approaches, but on two times coarser meshes. This is due to the fact that the CD-grid approach has a higher number of degrees of freedom to discretize the velocity field. Due to its enhanced resolving properties, the CD-grid discretization is an attractive alternative to conventional discretizations.


翻译:北极海冰覆盖处处都发现了线性水星特征(LKFs),它们是与形成导体和压力脊有关的高度局部化变异,往往是与形成导体和压力脊有关的高度局部化变异。粘积塑料海冰模型开始以高空间网格分辨率生成LKFs,通常网格间距低于5公里。除网格间距外,数字执行的其他方面,如离析细节,可能会影响模拟LKFs的数量和定义。为了探索这些影响,不同网格间距、网格类型和数字离散技术的海冰模型的解决方案在理想化配置中比较,这也可能成为未来的一个基准问题。A、B和C电网的海冰动态离异化以高空间网格分辨率方式生成LKFs,导致类似LKFs的LKFs,以及A-gril的A-grimal离子线近点(以及相同的顶点)。在结构四边和三角间网化的Arakawa CD-grid 上的解解解解解解解解解解解的解解解解解的解解的解解解解解的解解解方法,在传统的ArlFsli-grialalalalal-alalalalalal-al-al-alal-al-alal-al-aldaldaldaldaldal-aldaldaldal-al-al-al CD-al-aldaldaldaldaldal-al-sgildaldaldaldald-daldal-daldalizaldaldal-daldaldal-daldaldaldal-dal-d-dal-dal-dal-d-d-d-d-d-d-d-d-dal-d-d-d-d-d-daldaldaldaldal-sal-d-d-d-d-d-d-d-d-d-d-d-d-d-d-d-d-sal-d-d-d-d-d-d-d-d-d-d-d-d-d-d-

0
下载
关闭预览

相关内容

专知会员服务
42+阅读 · 2020年12月18日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
【泡泡汇总】CVPR2019 SLAM Paperlist
泡泡机器人SLAM
14+阅读 · 2019年6月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
VIP会员
相关资讯
【泡泡汇总】CVPR2019 SLAM Paperlist
泡泡机器人SLAM
14+阅读 · 2019年6月12日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
【推荐】树莓派/OpenCV/dlib人脸定位/瞌睡检测
机器学习研究会
9+阅读 · 2017年10月24日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
Top
微信扫码咨询专知VIP会员