MétaCan
Menu
Retour à la cohorte
Enregistrement W2125918809 · doi:10.1002/jgrc.20409

The melt‐freeze cycle of the Arctic Ocean ice cover and its dependence on ocean stratification

2013· article· en· W2125918809 sur OpenAlexaboutno aff
Johanna Linders, Göran Björk

Notice bibliographique

RevueJournal of Geophysical Research Oceans · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHaloclineSea iceStratification (seeds)Arctic ice packDrift iceAntarctic sea iceArcticClimatologyGeologySea ice thicknessMelt pondCryosphereCanada BasinArctic sea ice declineOceanographyThermohaline circulationEnvironmental scienceSalinity

Résumé

récupéré en direct d'OpenAlex

[1] A time-dependent, 1-D coupled ice-ocean model is used to quantify the impact of ocean stratification on the Arctic ice cover. The model results show that the ice growth during winter equals the ice melt in summer for areas with a well-developed cold halocline layer (CHL), provided that the initial ice thickness is around 3 m, while thinner initial ice thickness results in net growth. Areas with weak salt stratification can have a negative annual thickness change irrespective of the initial ice thickness and are thus dependent on ice import in order to remain ice covered. The model results also show that ocean stratification is mostly important for ice-thickness development during the growing season. Areas with weak stratification have an ocean heat flux up to 8 W m−2 reaching the ice during the growing season, while areas with a CHL have an average of about 0.7 W m−2. In the extreme area, north of Svalbard, the ocean heat fluxes are typically around 25 W m−2 but can be up to 400 W m−2 during the initial adjustment, when the warm Atlantic water has direct contact with the ice. A general outcome of the study is that, depending on ocean stratification, the ice cover of Arctic Ocean can be divided into one part with net ice growth (the major part) and another part with net ice melt (mainly in the Nansen Basin).

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,057

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,022
Tête enseignante GPT0,273
Écart entre enseignants0,251 · 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

Citations11
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research OceansMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207