MétaCan
Menu
Retour à la cohorte
Enregistrement W2528662382 · doi:10.1002/asl.709

The relationship between summer sea ice extent in Hudson Bay and the Arctic Ocean via the atmospheric circulation

2016· article· en· W2528662382 sur OpenAlexafffund
Masayo Ogi, David G. Barber, Søren Rysgaard

Notice bibliographique

RevueAtmospheric Science Letters · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesCanada Excellence Research Chairs, Government of CanadaCanada Research ChairsArcticNet
Mots-clésBayAtmospheric circulationClimatologyArcticEnvironmental scienceSea iceOceanographyArctic sea ice declineArctic ice packLatitudeArctic dipole anomalyOcean currentAtmospheric sciencesGeologyAntarctic sea ice

Résumé

récupéré en direct d'OpenAlex

Abstract The trends and interannual variations of summer sea ice extents ( SIEs ) in both Hudson Bay and the Arctic Ocean are investigated in association with variations in atmospheric circulation and air temperature. The summer SIE variabilities of both Hudson Bay and the Arctic Ocean are well correlated and have a strong negative trend. The negative SIE trends are associated with a summer atmospheric circulation pattern that is characterized by positive anomalies over the Arctic Ocean and negative anomalies over mid‐latitudes. The trends are also connected with warm air temperatures over mid‐ and high‐latitudes. The atmospheric circulation and air temperature regressed on the summer SIEs in both Hudson Bay and the Arctic Ocean are quite similar to these trend patterns. On the other hand, the year‐to‐year variations of the detrended summer SIEs in both Hudson Bay and the Arctic Ocean are not correlated. The summer atmospheric circulation and air temperature over the Arctic Ocean have contributed to the detrended summer Arctic Ocean SIE . In contrast, the detrended summer Hudson Bay SIE is controlled by atmospheric circulation and air temperature in the previous spring.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil0,261

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
Bibliométrie0,0010,001
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 Opus0,015
Tête enseignante GPT0,217
Écart entre enseignants0,202 · 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

Citations3
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmospheric Science LettersMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207