MétaCan
Menu
Retour à la cohorte
Enregistrement W1918270636 · doi:10.1002/2014gl059575

Reconstruction of Pacific Ocean bottom water salinity during the Last Glacial Maximum

2014· article· en· W1918270636 sur OpenAlexaff
Tania Lado Insua, Arthur J. Spivack, Dennis Graham, Steven D’Hondt, Kathryn Moran

Notice bibliographique

RevueGeophysical Research Letters · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensOcean Networks Canada SocietyUniversity of Victoria
Organismes subventionnairesNational Science Foundation
Mots-clésLast Glacial MaximumOceanographySalinityGeologyLatitudeCircumpolar deep waterSeawaterWater massGlacial periodBottom waterClimatologyNorth Atlantic Deep WaterHoloceneThermohaline circulationGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract Knowledge of salinity in the deep ocean is important for understanding past ocean circulation and climate. Based on sedimentary pore fluid chloride measurements of a single Pacific site, Adkins et al. ( ) suggested that, during the Last Glacial Maximum (LGM), the Pacific deep bottom water was saltier than expected based on lower sea level alone. Here we present high‐resolution salinity profiles from five sites in the South, Equatorial, and North Pacific Ocean. Our study greatly constrains understanding of LGM salinity in the Pacific Ocean. Our results show that LGM chloride concentrations of deep Pacific bottom water were 4.09 ± 0.4% greater than today's values. Pacific Ocean bottom water salinity was also indistinguishable from being homogeneous across the wide range of latitudes studied here. These LGM salinity reconstructions are on average slightly higher (~1.4 to 1% higher) than expected from sea level of the time, which is generally inferred to have been ~120 to ~135 m lower than today.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,038
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,021
Tête enseignante GPT0,257
Écart entre enseignants0,236 · 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'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

Citations34
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207