MétaCan
Menu
Retour à la cohorte
Enregistrement W1533727705 · doi:10.1002/gbc.20080

Parameterizing bubble‐mediated air‐sea gas exchange and its effect on ocean ventilation

2013· article· en· W1533727705 sur OpenAlexfundno aff
Jun‐Hong Liang, Curtis Deutsch, James C. McWilliams, Burkard Baschek, Peter P. Sullivan, David Chiba

Notice bibliographique

RevueGlobal Biogeochemical Cycles · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Naval ResearchUniversity of VictoriaNational Center for Atmospheric ResearchNational Science Foundation
Mots-clésSupersaturationBubbleAtmospheric sciencesSaturation (graph theory)ArgonEnvironmental scienceSeawaterMeteorologyMechanicsOceanographyGeologyChemistryThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

Bubbles play an important role in the exchange of gases between the atmosphere and ocean, altering both the rate of exchange and the equilibrium gas saturation state. We develop a parameterization of bubble‐mediated gas fluxes for use in Earth system models. The parameterization is derived from a mechanistic model of the oceanic boundary layer that simulates turbulent flows and the size spectrum of bubbles across a range of wind speeds and is compared against other published formulations. Bubble‐induced surface supersaturation increases rapidly with wind speed and is inversely related to temperature at a given wind speed, making the effect of bubbles greatest in regions that ventilate the deep ocean. The bubble‐induced supersaturation in high‐latitude surface waters compensates a substantial fraction of the undersaturation caused by surface cooling. Using a global ocean transport model, we show that this parameterization reproduces observed saturation rate profiles of the noble gas Argon in the deep Atlantic and Pacific Oceans. The abyssal argon supersaturation caused by bubbles varies according to gas solubility, ranging from ∼0.7% for soluble gases like CO2 to ∼1.7% for less soluble gases such as N2. Bubble‐induced supersaturation may be significant for biologically active gases such as oxygen.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,207
Écart entre enseignants0,199 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations178
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Biogeochemical CyclesMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207