Forty years (1958-97) of observed and four simulations of Arctic sea-ice concentration (SIC) data are compared to document and better understand Arctic sea-ice variability. The four simulations result from four different forcings, and they are used in an attempt to quantify the relative importance of thermodynamic and dynamic forcings in the Arctic and its peripheral seas. The four runs (A through D) are forced as follows: Run A is forced with monthly varying monthly mean wind stresses and monthly varying climatological air temperatures, Run B is forced monthly varying monthly mean wind stresses and monthly varying monthly mean air temperatures, Run C is forced with daily varying winds and monthly varying climatological air temperatures and finally, Run D is forced with daily varying winds and monthly varying monthly mean air temperatures. Another goal of this study is to test the ability of the dynamic-thermodynamic sea-ice model used in the simulations to reproduce the observed sea-ice variability. / The dominant mode of anomalous winter (January-March) Arctic sea-ice variability, as determined from EOF analysis, exhibits centres of action in the Greenland and Barents Seas. The time series of this mode has a high winter-to-winter autocorrelation (0.62) and portrays a trend of diminishing ice cover in the above mentioned seas. The dominant mode of the simulated (for all four model runs) winter SIC exhibits a centre of action in the Norwegian-Barents Sea and the associated time series is not statistically significantly correlated to that of the observed. This result is expected as the sea-ice model does not simulate the ocean processes in the Greenland Sea. The dominant mode of simulated anomalous summer (July-September) Arctic seaice variability, as determined from EOF analysis, exhibits variability in all peripheral seas and compares well to previously published observations. The correlation coefficient of the associated time series for observed and simulated results is highest for the model run with a finer dynamical forcing (Run C). Regional time series analysis of area-averaged, anomalous, simulated SIC correlate best with the observed time series when the model is forced with a finer dynamical forcing (Runs C and D) as well, withthe highest correlations occurring in the Beaufort, East Siberian and Laptev Seas. Finally, a comparison of modelled and observed summer mean ice edge variability is presented. The model's ability to reproduce the observed variability in the summer mean ice edge is good and once again, the best comparisons occur when the model is forced with a finer dynamical forcing (Runs C and D) . / Quarante ans (1958-97) d'observations et quatre simulations de la concentration de la glace marine sont comparees pour document er et pour ameliorer notre comprehension de la variabilite de la glace marine de l' Arctique. Les quatres simulations (A aD) avaient pour but de quantifier l'importance relative des for<;ages thermodynamique et dynamique dans l'Arctique et ses mers peripheriques. Vne moyenne mensuelle des vents ainsi qu'une moyenne mensuelle climatologique de la temperature de l'air sont utilisees comme for<;ages dans la simulation A. Pour la simulation B, les for<;ages sont une moyenne mensuelle des vents ainsi qu'une moyenne mensuelle de la temperature de l'air. Les simulations C et D sont forcees avec des valeurs quotidiennes pour les vents. Mais, dans la simulation C une moyenne mensuelle climatologique de la temperature de l'air est utilisee alors qu'une moyenne mensuelle de la temperature de l'air est employee dans la simulation D comme for<;age thermodynamique. Cette etude a aussi pour but de tester la capacite du modele areproduire les observations de la variabilite de la concentration de la glace marine. / Quarante ans (1958-97) d'observations et quatre simulations de la concentration de la glace marine sont comparees pour document er et pour ameliorer notre comprehension de la variabilite de la glace marine de l' Arctique. Les quatres simulations (A aD) avaient pour but de quantifier l'importance relative des for<;ages thermodynamique et dynamique dans l'Arctique et ses mers peripheriques. Vne moyenne mensuelle des vents ainsi qu'une moyenne mensuelle climatologique de la temperature de l'air sont utilisees comme for<;ages dans la simulation A. Pour la simulation B, les for<;ages sont une moyenne mensuelle des vents ainsi qu'une moyenne mensuelle de la temperature de l'air. Les simulations C et D sont forcees avec des valeurs quotidiennes pour les vents. Mais, dans la simulation C une moyenne mensuelle climatologique de la temperature de l'air est utilisee alors qu'une moyenne mensuelle de la temperature de l'air est employee dans la simulation D comme for<;age thermodynamique. Cette etude a aussi pour but de tester la capacite du modele areproduire les observations de la variabilite de la concentration de la glace marine. / Quarante ans (1958-97) d'observations et quatre simulations de la concentration de la glace marine sont comparees pour document er et pour ameliorer notre comprehension de la variabilite de la glace marine de l' Arctique. Les quatres simulations (A aD) avaient pour but de quantifier l'importance relative des for<;ages thermodynamique et dynamique dans l'Arctique et ses mers peripheriques. Vne moyenne mensuelle des vents ainsi qu'une moyenne mensuelle climatologique de la temperature de l'air sont utilisees comme for<;ages dans la simulation A. Pour la simulation B, les for<;ages sont une moyenne mensuelle des vents ainsi qu'une moyenne mensuelle de la temperature de l'air. Les simulations C et D sont forcees avec des valeurs quotidiennes pour les vents. Mais, dans la simulation C une moyenne mensuelle climatologique de la temperature de l'air est utilisee alors qu'une moyenne mensuelle de la temperature de l'air est employee dans la simulation D comme for<;age thermodynamique. Cette etude a aussi pour but de tester la capacite du modele areproduire les observations de la variabilite de la concentration de la glace marine. Quarante ans (1958-97) d'observations et quatre simulations de la concentration de la glace marine sont comparees pour document er et pour ameliorer notre comprehension de la variabilite de la glace marine de l' Arctique. Les quatres simulations (A aD) avaient pour but de quantifier l'importance relative des for<;ages thermodynamique et dynamique dans l'Arctique et ses mers peripheriques. Vne moyenne mensuelle des vents ainsi qu'une moyenne mensuelle climatologique de la temperature de l'air sont utilisees comme for<;ages dans la simulation A. Pour la simulation B, les for<;ages sont une moyenne mensuelle des vents ainsi qu'une moyenne mensuelle de la temperature de l'air. Les simulations C et D sont forcees avec des valeurs quotidiennes pour les vents. Mais, dans la simulation C une moyenne mensuelle climatologique de la temperature de l'air e
| Identifer | oai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMM.95573 |
| Date | January 2000 |
| Creators | Armstrong, Anne |
| Contributors | Mysak, Lawrence A. (Supervisor) |
| Publisher | McGill University |
| Source Sets | Library and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation |
| Format | application/pdf |
| Coverage | Master of Science (Department of Atmospheric and Oceanic Sciences) |
| Rights | All items in eScholarship@McGill are protected by copyright with all rights reserved unless otherwise indicated. |
| Relation | Theses scanned by McGill Library. |
Page generated in 0.0031 seconds