MétaCan
Menu
Retour à la cohorte
Enregistrement W1988258784 · doi:10.1029/2009eo160003

Mineral Dust and Climate: Working Group on Dust and Climate Joint INQUA/QUEST Workshop; Villefranche‐sur‐Mer, France, 19–22 October 2008

2009· article· en· W1988258784 sur OpenAlexfundno aff
Barbara A. Maher, Sandy P. Harrison

Notice bibliographique

RevueEos · 2009
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAeolian processes and effects
Établissements canadiensnon disponible
Organismes subventionnairesNational Space OrganizationSimon Fraser University
Mots-clésMineral dustBiogeochemical cycleRadiative forcingEnvironmental scienceIron fertilizationEarth scienceClimate changeDeposition (geology)AerosolAtmospheric sciencesAtmospheric dustClimatologyOceanographyGeologyMeteorologyEnvironmental chemistryChemistryGeographyStructural basinGeomorphology

Résumé

récupéré en direct d'OpenAlex

Mineral aerosol (referred to here as “dust”) is an active climate and paleoclimate system component that may significantly influence the radiative properties of the atmosphere, as well as ocean and atmospheric carbon dioxide (CO 2 ) concentrations, through processes such as iron fertilization. The integrative, cross‐cutting examination of the role and significance of dust provides the rationale for the Dust Indicators and Records of Terrestrial and Marine Paleoenvironments (DIRTMAP) working group sponsored by the International Union of Quaternary Research and the Natural Environment Research Council's Quantifying and Understanding the Earth System (QUEST) program. The working group aims to initiate coordinated progress to improve the representation of dust properties in dust cycle models, with particular focus on dust mineralogy, such as the concentrations of iron oxides and oxyhydroxides as either nanoparticles or mineral coatings, and particle size distribution. These two sets of factors are potentially significant in assessing the effects of dust on both radiative forcing and biogeochemical cycling. The working group also aims to improve model simulation of dust source regions, the episodic nature of dust emissions, and amounts of dust deposition over the continents.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,302
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,217
Écart entre enseignants0,203 · 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.

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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEosMême sujetAeolian processes and effectsTravaux en français237 207