Descrizione del progetto
Svelare le dinamiche del trasporto oceanico
Capire come gli oceani regolano il trasporto di calore, nutrienti, carbonio e sostanze inquinanti è fondamentale per prevedere i cambiamenti climatici e mitigare i rischi ambientali. Tuttavia, la dinamica dello strato misto vicino alla superficie non è ancora stata quantificata adeguatamente, in parte a causa della variabilità e della complessità elevate delle correnti a sub-mesoscala come i fronti, le correnti di riscaldamento e i vortici. Questi flussi intricati influenzano notevolmente i processi di scambio verticale, ma sono difficili da osservare direttamente e non sono adeguatamente rappresentati nei modelli climatici. In quest’ottica, il progetto ML Transport, finanziato dal CER, si propone di colmare questa lacuna di conoscenza. Combinando simulazioni d’avanguardia, quadri teorici e campagne sul campo, fornirà approfondimenti essenziali sulla fisica dello strato misto, migliorando la modellazione degli oceani e contribuendo a soluzioni per mitigare gli agenti inquinanti e l’incertezza climatica.
Obiettivo
Although crucial in determining the oceanic distribution of heat, biological nutrients, carbon, and pollutants, the circulation dynamics that governs oceanic vertical transport processes of physical and biogeochemical properties through the near surface layer (i.e. mixed-layer; ML) are yet to be comprehensively quantified. Recently we and others have demonstrated that submesoscale currents (SMCs) -- newly discovered flow structures consisting of fronts, filaments, and eddies -- have a strong influence on these exchange processes, to be fully explored and characterized.
The high spatiotemporal variability of SMCs and the complex physics that determines their interactions with other ML phenomena like surface gravity waves and near-inertial waves, renders in situ measurements of these processes extremely difficult to obtain. Furthermore, current climate models lack the grid resolution and variable forcing components required to adequately represent ML physics, making it one of the greatest uncertainties in climate projections.
The proposed research will address this critical gap through three objectives: 1) develop the numerical capability to simulate ML physics in a realistic inhomogeneous environment while resolving boundary layer turbulence and wave dynamics; 2) develop a theoretical framework for a physics-based parametrization of ML vertical exchange rates; and 3) directly measure turbulent mixing, tracer distribution, and transport rates near SMCs in situ, providing the crucial observational support necessary to guide and fine-tune the parameterizations.
To achieve this goal, we will extend our frontogenesis theory, analyze particle and tracer concentrations in carefully designed realistic and nested large-eddy simulations, and examine drifter trajectories and passive tracer spreading in multi-asset field campaigns.
This synergistic approach will substantially impact oceanic biogeochemical modeling, pollutant transport mitigation, and climate projections.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. La classificazione di questo progetto è stata convalidata dal team del progetto.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. La classificazione di questo progetto è stata convalidata dal team del progetto.
Parole chiave
Programma(i)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Argomento(i)
Invito a presentare proposte
(si apre in una nuova finestra) ERC-2024-STG
Vedi altri progetti per questo bandoMeccanismo di finanziamento
HORIZON-ERC - HORIZON ERC GrantsIstituzione ospitante
69978 Tel Aviv
Israele