MétaCan
Menu
Retour à la cohorte
Enregistrement W2156451548 · doi:10.1175/jpo-d-12-0169.1

Winter Convection Transports Atlantic Water Heat to the Surface Layer in the Eastern Arctic Ocean*

2013· article· en· W2156451548 sur OpenAlexaff
Igor V. Polyakov, Andrey V. Pnyushkov, Robert Rember, Laurie Padman, Eddy C. Carmack, Jennifer M. Jackson

Notice bibliographique

RevueJournal of Physical Oceanography · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensASL Environmental Sciences (Canada)Fisheries and Oceans Canada
Organismes subventionnairesJapan Aerospace Exploration Agency
Mots-clésPycnoclineHaloclineMixed layerGeologyOceanographyClimatologyHeat fluxSea iceArctic ice packAtmospheric sciencesEnvironmental scienceSalinityHeat transfer

Résumé

récupéré en direct d'OpenAlex

Abstract A 1-yr (2009/10) record of temperature and salinity profiles from Ice-Tethered Profiler (ITP) buoys in the Eurasian Basin (EB) of the Arctic Ocean is used to quantify the flux of heat from the upper pycnocline to the surface mixed layer. The upper pycnocline in the central EB is fed by the upward flux of heat from the intermediate-depth (~150–900 m) Atlantic Water (AW) layer; this flux is estimated to be ~1 W m−2 averaged over one year. Release of heat from the upper pycnocline, through the cold halocline layer to the surface mixed layer is, however, seasonally intensified, occurring more strongly in winter. This seasonal heat loss averages ~3–4 W m−2 between January and April, reducing the rate of winter sea ice formation. This study hypothesizes that the winter heat loss is driven by mixing caused by a combination of brine-driven convection associated with sea ice formation and larger vertical velocity shear below the base of the surface mixed layer (SML), enhanced by atmospheric storms and the seasonal reduction in density difference between the SML and underlying pycnocline.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,098

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0000,000
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 Opus0,008
Tête enseignante GPT0,199
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 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

Citations68
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physical OceanographyMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207