MétaCan
Menu
Retour à la cohorte
Enregistrement W1532264696 · doi:10.1175/jcli-d-15-0273.1

Maintenance and Broadening of the Ocean’s Salinity Distribution by the Water Cycle

2015· article· en· W1532264696 sur OpenAlexafffund
Jan D. Zika, Nikolaos Skliris, A. J. George Nurser, Simon A. Josey, Lawrence Mudryk, Frédéric Laliberté, Robert Marsh

Notice bibliographique

RevueJournal of Climate · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of TorontoNatural Environment Research CouncilMet OfficeSight Research UKGovernment of OntarioCompute Canada
Mots-clésSalinityWater cyclePrecipitationEnvironmental scienceTemperature salinity diagramsSaline waterSeawaterClimatologyMixing (physics)Water massAnnual cycleOceanographyAtmospheric sciencesGeologyEcologyMeteorologyBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The global water cycle leaves an imprint on ocean salinity through evaporation and precipitation. It has been proposed that observed changes in salinity can be used to infer changes in the water cycle. Here salinity is characterized by the distribution of water masses in salinity coordinates. Only mixing and sources and sinks of freshwater and salt can modify this distribution. Mixing acts to collapse the distribution, making saline waters fresher and fresh waters more saline. Hence, in steady state, there must be net precipitation over fresh waters and net evaporation over saline waters. A simple model is developed to describe the relationship between the breadth of the distribution, the water cycle, and mixing—the latter being characterized by an e-folding time scale. In both observations and a state-of-the-art ocean model, the water cycle maintains a salinity distribution in steady state with a mixing time scale of the order of 50 yr. The same simple model predicts the response of the salinity distribution to a change in the water cycle. This study suggests that observations of changes in ocean salinity could be used to infer changes in the hydrological cycle.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,312
Score d'incertitude au seuil0,078

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,238
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207