1. 해양 모델 물리학의 결함 :난류 혼합, 대류 및 파동 역학과 같은 해양 과정의 표현의 오류는 지하 해양 온도 및 염분에서 편견을 초래할 수 있습니다. 예를 들어, 모델에서 수직 혼합의 부적절한 표현은 지하 표면에서 과도하게 따뜻하고 짠 물을 초래할 수 있습니다.
2. 불충분 한 해상도 :기후 모델은 종종 거친 바다 해상도, 특히 수직 방향으로 거친 바다 해상도를 가지고 있습니다. 이로 인해 메스 스케일 에디 및 지하 표면 전면과 같은 소규모 프로세스가 불충분하게 나타날 수 있으며, 이는 바다에서 열과 소금을 혼합하고 분포시키는 데 중요한 역할을합니다.
3. 데이터 동화 기술 :대부분의 최첨단 기후 모델은 데이터 동화 기술을 사용하여 관찰 된 데이터를 모델 시뮬레이션에 통합합니다. 데이터 동화 방법의 선택과 관찰 된 데이터 세트의 정확도는 시뮬레이션 된 바다의 지하 특성에 영향을 줄 수 있습니다.
4. 표면으로부터의 오차 전파 :열, 담수 및 운동량의 표면 플럭스의 편향은 해양 순환 및 혼합 과정을 통해 지하 해양으로 전파 될 수 있습니다. 대기 모델 (예 :잘못된 표면 바람 패턴)을 구동하는 대기 모델의 오류는 상부 바다에 편견을 도입하여 지하 특성에 영향을 줄 수 있습니다.
5. 모델 매개 변수화 :기후 모델은 다양한 매개 변수화를 사용하여 해결되지 않은 대류 및 난류 혼합과 같은 서브 그리드 스케일 프로세스를 나타냅니다. 이러한 매개 변수화는 종종 제한된 관찰에 따라 단순화되고 조정됩니다. 매개 변수화 체계의 불확실성은 지하 해양에서 편향을 도입 할 수 있습니다.
6. 스핀 업 시간이 불충분합니다 :기후 모델은 신뢰할 수있는 기후 시뮬레이션을 생성하기 전에 일관된 상태로 조정하기 위해 스핀 업 기간이 필요합니다. 스핀 업 시간이 불충분하면 표면 플럭스와 해양 순환 사이의 일시적 불균형이 발생하여 지하 편향이 발생할 수 있습니다.
7. 관찰의 불확실성 :모델 검증 및 비교에 사용되는 관찰 데이터 세트에는 불확실성도 포함되어 있습니다. 희소 데이터 적용 범위, 측정 오류 및 플랫폼 간 편향과 같은 문제는 모델에서 지하 편향의 평가 및 식별의 정확도에 영향을 줄 수 있습니다.
8. 모델 드리프트 :기후 모델은 시뮬레이션 된 기후 상태가 점차적으로 관찰에서 벗어난 장기 드리프트의 대상이됩니다. 이 드리프트는 복사 강제력과 해양 열 흡수 사이의 불균형, 피드백의 불충분 한 표현 및 모델의 기타 구조적 오류와 같은 다양한 요인으로 인해 발생할 수 있습니다.
이러한 과제를 해결하려면 해양 모델링 기술, 데이터 동화 방법, 모델 해상도 및 매개 변수화 체계의 지속적인 연구 및 개선이 포함됩니다. 향상된 관찰 기능 및보다 포괄적 인 데이터 세트는 모델 시뮬레이션을 검증하고 기후 모델에서 지하 서식 열 바이어스의 소스를 식별하는 데 중요합니다.
