Remote visualisation of Labrador convection in large oceanic datasets
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The oceans relinquish O(1PW) of heat into the atmosphere at high latitudes, the lion's share of which originates in localised ‘hotspots’ of violent convective mixing, but despite their small horizontal scale—O(10–100km)—these features may penetrate deeply into the thermocline and are vital in maintaining the Atlantic Meridional Overturning Circulation (MOC). Accurate modelling of the MOC, therefore, requires a large‐scale numerical model with very fine resolution. The global high‐resolution ocean model, Ocean Circulation Climate Advanced Model (OCCAM) has been developed and run at the Southampton Oceanography Centre (SOC) for many years. It was configured to resolve the energetic scales of oceanic motions, and its output is stored at the Manchester Supercomputer Centre. Although this community resource represents a treasure trove of potential new insights into the nature of the world ocean, it remains relatively unexploited for a number of reasons, not the least of which is its sheer size. A system being developed at SOC under the auspices of the Grid for Ocean Diagnostics, Interactive Visualisation and Analysis (GODIVA) project makes the remote visualisation of very large volumes of data on modest hardware (e.g. a laptop with no special graphics capability) a present reality. The GODIVA system is enabling the unresolved question of oceanic convection and its relationship to large‐scale flows to be investigated; a question that lies at the heart of many current climate change issues. In this article, one aspect of the GODIVA is presented, and used to locate and visualise regions of convective mixing in the OCCAM Labrador Sea. Copyright © 2006 Royal Meteorological Society
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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