Das arktische Klimasystem wird ganz entscheidend durch das Vorhandensein eineseisbedeckten Ozeans geprägt, sodass eine realistische Darstellung des arktischenMeereises in gekoppelten Klimamodellen eine wichtige Voraussetzung für glaubhafteSimulationen des arktischen Klimas ist. Allerdings weisen gekoppelte Modellesowohl große Unterschiede untereinander als auch im Vergleich zu Beobachtungenauf. Sensitivitätsstudien mit dem gekoppelten regionalen AtmosphärenOzeanEisModell HIRHAMNAOSIM ergaben, dass die Fähigkeit des gekoppelten Modells,den beobachteten Eisrückzug während des Sommers zu reproduzieren, stark voneinem annähernd realistischen Eisvolumen zu Beginn der Schmelzperiode abhängt,welches durch das Verhältnis von Eiswachstum im Winter und Eisverlust im Sommerbestimmt wird. Während der sommerliche Eisverlust im Modell sehr stark vonder Eisalbedo-Parametrisierung bestimmt wird, hängt das winterliche Eiswachstumsignifikant von der Parametrisierung des seitlichen Gefrierens von Meereis ab.Unsicherheiten in den atmosphärischen Energieflüssen können bis zu einem gewissenGrade durch eine Feinabstimmung empirischer Modellparameter kompensiert werden,doch potenzielle grundlegende Schwächen des Modells können auf diese Weisenicht beseitigt werden. Da das seitliche Gefrieren von Meereis auch die Eiskonzentrationim Winter bestimmt, und somit den Wärmeverlust des Ozeans und die oberflächennahenLufttemperaturen, sind die Möglichkeiten, empirische Modellparameterfrei zu wählen, begrenzt. Eine große Unsicherheit im Modell ist die Simulationder langwelligen Strahlung, höchstwahrscheinlich infolge einer Überschätzung derWolkenbedeckung im Winter. Die Ergebnisse weisen darauf hin, dass Unsicherheitenin den Beschreibungen arktischer Wolken, der Schnee- und Eisalbedo, des seitlichenGefrierens und Schmelzens von Meereis, einschließlich der Behandlung von Schnee,für die großen Abweichungen in der Simulation des arktischen Klimas mit gekoppeltenModellen verantwortlich sind. Verbesserte Beschreibungen dieser Prozesse sindnotwendig, um Modellschwächen zu reduzieren und die Glaubwürdigkeit von Projektionendes zukünftigen Klimas zu erhöhen.