Det arktiske sjøisdekket er ikke en kontinuerlig kappe av uberørt is, den er krysset av is rygger og åpne sprekker. Disse er resultatene av isens konstante bevegelse, som er drevet av vind og havstrømmer. Mens ryggene kan være 100 m brede og sprekkene flere kilometer brede, kan begge være mye lengre enn det. Ofte krysser de hele Polhavet og danner et mønster av smale, nesten rette linjer som betegnes som Linear Kinematic Features (LKF). Disse er karakteristiske for det arktiske isdekket, men likevel sliter dagens sjøismodeller med å reprodusere dem godt nok. I MuSIC foreslår vi en ny type sjøismodell for å simulere isbevegelsen - en modell som vi i fremtiden kan bruke til å representere LKF-er bedre i klimamodeller.
I det første året av MuSIC publiserte vi en artikkel som beskrever den nye modellen kalt Brittle Bingham-Maxwell rheology (BBM). Dette er første skrittet for å få anerkjennelse av den nye modellen. Vi viste at BBM gir en enda bedre representasjon av småskalabevegelsen og oppbruddet av isen enn forgjengeren. Avgjørende er at BBM også fungerer for simuleringer som dekker flere år, hvor forgjengeren ga urealistiske resultater.
Etter dette vellykkede første trinnet har vi brukt BBM i MuSIC og andre prosjekter. I de andre prosjektene har vi allerede kunnet bruke BBM for å få innsikt i rollen som råker har i sjøisdannelse om vinteren. Vi har også brukt BBM til å forstå bedre hvordan den eldste arktiske sjøisen tapes på grunn av klimaendringer. I MuSIC har vi begynt å sammenligne BBM-resultater og satellittobservasjoner for å skape et mer robust rammeverk for å sammenligne modeller og observasjoner. Dette vil hjelpe oss med å forbedre modellresultatene våre ytterligere og sementere argumentet for bruk av BBM blant sjøismodellerer generelt.
The Arctic sea-ice cover is not a continuous stretch of pristine ice but rather crisscrossed by ridges and leads, which are the result of the constant drift of the ice. The signature of this can be seen in the large-scale drift in a phenomenon referred to as Linear Kinematic Features (LKFs). Commonly used large-scale sea-ice models struggle to capture the relevant properties of LKFs, especially when run at a resolution commonly used for climate simulations. The team behind this proposal is now ready to propose a new sea-ice dynamics model which, unlike previous attempts, can both capture LKF properties and is suitable for climate applications. The proposed model will also improve the long-term pan-Arctic drift of the ice, capturing the multi-scale nature of sea-ice dynamics.
In MuSIC we will address the simulation of drift and deformation of the ice at climate scales, both spatial and temporal. This will consist of a study of the large scale drift, focusing on seasonal variations and the long term trend attributed to climate change. We will then undertake another study showing the importance of correctly simulating the flux of heat through leads at different model resolutions and how the new model makes this possible.
Proper tuning and understanding of the role of different model parameters are necessary before using the model in a large-scale setting, and this need will be addressed by MuSIC. Here we will take advantage of the wealth of satellite observations available of the Arctic, as well as novel machine learning methods to constrain model parameters and improve our understanding of how to tune the model in different settings.
Computational efficiency is ever important in climate modelling. In MuSIC we will spend considerable time ensuring that the new model is as efficient as possible on today’s computational architectures. In addition, we will explore how best to write an efficient version of the model for a GPU based computational architecture.
