MétaCan
Menu
Retour à la cohorte
Enregistrement W2598558071 · doi:10.1002/2016gl072345

Change in dust seasonality as the primary driver for orbital‐scale dust storm variability in East Asia

2017· article· en· W2598558071 sur OpenAlexafffund
Sascha Serno, Gisela Winckler, Robert F. Anderson, Samuel L. Jaccard, Markus Kienast, Gerald H. Haug

Notice bibliographique

RevueGeophysical Research Letters · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensDalhousie University
Organismes subventionnairesLeibniz-GemeinschaftLamont-Doherty Earth Observatory, Columbia UniversityDalhousie UniversityUniversität PotsdamDeutsche ForschungsgemeinschaftNational Science Foundation
Mots-clésSubarctic climateClimatologyNorthern HemisphereDust stormGlacial periodStormEnvironmental scienceGeologyLatitudeMineral dustInterglacialAtmospheric sciencesSeasonalityOceanographyGeographyMeteorologyAerosolGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract Glacial periods are recognized to be dustier than interglacials, but the conditions leading to greater dust mobilization are poorly defined. Here we present a new high‐resolution dust record based on 230Th‐normalized 4He flux from Ocean Drilling Program site 882 in the Subarctic North Pacific covering the last 170,000 years. By analogy with modern relationships, we infer the mechanisms controlling orbital‐scale dust storm variability in East Asia. We propose that orbital‐scale dust flux variability is the result of an expansion of the dust season into summer, in addition to more intense dust storms during spring and fall. The primary drivers influencing dust flux include summer insolation at subarctic latitudes and variable Siberian alpine glaciation, which together control the cold air reservoir in Siberia. Changes in the extent of the Northern Hemisphere ice sheets may be a secondary control.

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 enseignants0,014
Score d'incertitude au seuil0,028

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)0,0010,000

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 Opus0,067
Tête enseignante GPT0,329
Écart entre enseignants0,262 · 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

Citations31
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207