MétaCan
Menu
Retour à la cohorte
Enregistrement W2554980028

Deconvolution of the Labrador Sea Transit-Time Distribution from Combined Measurements of CFC-11 and CFC-12

2016· article· en· W2554980028 sur OpenAlexaboutno aff
P. Hsieh

Notice bibliographique

RevueeScholarship (California Digital Library) · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeconvolutionEnvironmental scienceHydrographyInterpolation (computer graphics)ClimatologyTransit (satellite)MeteorologyOceanographyGeologyGeographyStatisticsComputer scienceMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Labrador Sea is an important deep water formation site where a large fraction of theocean's deep waters had their last contact with the atmosphere. Consequently, quantifying the ventilation of the Labrador Sea is crucial for understanding the global ocean circulation. In this study, I use yearly hydrographic measurements of CFC-11 and CFC-12 conducted along WOCE repeat section AR7W from 1991 to 2009. I present improvements to previous application of Bayesian evidence framework to 3-dimensional interpolation of CFC-11, CFC-12, temperature and salinity data. The Bayesian evidence framework is also used to infer the Labrador Sea's climatological and interannual transit-time distribution (TTD) with a maximum entropy deconvolution method. We present improvements to the ventilation problem to allow for measurement errors and to better quantify the uncertainty in the estimated TTDs. These improvements include the introduction of an intrinsic correlation function to explicitly take into account correlations in adjacent portions of the TTD and the choice of hyperparameters in our model. Our results provide a baseline from which changes in theventilation of the Labrador Sea can be quantified.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,077
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,011
Tête enseignante GPT0,167
Écart entre enseignants0,156 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship (California Digital Library)Même sujetOceanographic and Atmospheric ProcessesTravaux en français237 207