MétaCan
Menu
Retour à la cohorte
Enregistrement W2103712308 · doi:10.5194/bg-13-4359-2016

Modeling <i>p</i> CO <sub>2</sub> variability in the Gulf of Mexico

2016· article· en· W2103712308 sur OpenAlexaff
Z. George Xue, Ruoying He, Katja Fennel, Wei‐Jun Cai, Steven E. Lohrenz, Wei‐Jen Huang, Hanqin Tian, Wei Ren, Zhengchen Zang

Notice bibliographique

RevueBiogeosciences · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensDalhousie University
Organismes subventionnairesNational Aeronautics and Space AdministrationNational Oceanic and Atmospheric AdministrationNational Science Foundation
Mots-clésBiogeochemical cycleEnvironmental scienceSink (geography)Carbon cycleCarbon sinkOceanographyEcosystem modelAtmospheric sciencesClimatologyEcosystemChemistryGeologyEnvironmental chemistryClimate changeEcologyBiologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract. A three-dimensional coupled physical–biogeochemical model was used to simulate and examine temporal and spatial variability of sea surface pCO2 in the Gulf of Mexico (GoM). The model was driven by realistic atmospheric forcing, open boundary conditions from a data-assimilative global ocean circulation model, and observed freshwater and terrestrial nutrient and carbon input from major rivers. A 7-year model hindcast (2004–2010) was performed and validated against ship measurements. Model results revealed clear seasonality in surface pCO2 and were used to estimate carbon budgets in the Gulf. Based on the average of model simulations, the GoM was a net CO2 sink with a flux of 1.11 ± 0.84 × 1012 mol C yr−1, which, together with the enormous fluvial inorganic carbon input, was comparable to the inorganic carbon export through the Loop Current. Two model sensitivity experiments were performed: one without biological sources and sinks and the other using river input from the 1904–1910 period as simulated by the Dynamic Land Ecosystem Model (DLEM). It was found that biological uptake was the primary driver making GoM an overall CO2 sink and that the carbon flux in the northern GoM was very susceptible to changes in river forcing. Large uncertainties in model simulations warrant further process-based investigations.

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)0,002
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 enseignants0,226
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 ouverte0,0010,000
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 Opus0,016
Tête enseignante GPT0,208
Écart entre enseignants0,191 · 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

Citations36
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiogeosciencesMême sujetMarine and coastal ecosystemsTravaux en français237 207