The path‐density distribution of oceanic surface‐to‐surface transport
Notice bibliographique
Résumé
A novel diagnostic for advective‐diffusive surface‐to‐surface paths is developed and applied to a global ocean model. The diagnostic provides, for the first time, a rigorous quantitative assessment of the great ocean conveyor's deep branch. A new picture emerges of a diffusive conveyor in which the deep North Pacific is a holding pen of long‐residence‐time water. Our diagnostic is the joint density, η , per unit volume and interior residence time, τ , of paths connecting two specified surface patches. The spatially integrated η determines the residence‐time partitioned flux and volume of water in transit from entry to exit patch. We focus on interbasin paths from high‐latitude water mass formation regions to key regions of re‐exposure to the atmosphere. For non‐overlapping patches, a characteristic timescale is provided by the residence time, τ ϕ , for which the associated flux distribution, ϕ, has its maximum. Paths that are fast compared to τ ϕ are organized by the major current systems, while paths that are slow compared to τ ϕ are dominated by eddy diffusion. Because ϕ has substantial weight in its tail for τ > τ ϕ , the fast paths account for only a minority of the formation‐to‐re‐exposure flux. This conclusion is expected to apply to the real ocean based on recent tracer data analyses, which point to long eddy‐diffusive tails in the ocean's transit‐time distributions. The long‐ τ asymptotic path density is governed by two time‐invariant patterns. One pattern, which we call the Deep North Pacific pattern, ultimately dominates a secondary redistribution pattern.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».