MétaCan
Menu
Retour à la cohorte
Enregistrement W2619624483 · doi:10.1002/2017gl073426

An Argo mixed layer climatology and database

2017· article· en· W2619624483 sur OpenAlexaboutno aff
James Holte, Lynne D. Talley, John Gilson, Dean Roemmich

Notice bibliographique

RevueGeophysical Research Letters · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensnon disponible
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationNational Natural Science Foundation of China
Mots-clésArgoMixed layerClimatologyLayer (electronics)DatabaseGeologyMeteorologyEnvironmental scienceComputer scienceGeographyMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract A global climatology and database of mixed layer properties are computed from nearly 1,250,000 Argo profiles. The climatology is calculated with both a hybrid algorithm for detecting the mixed layer depth (MLD) and a standard threshold method. The climatology provides accurate information about the depth, properties, extent, and seasonal patterns of global mixed layers. The individual profile results in the database can be used to construct time series of mixed layer properties in specific regions of interest. The climatology and database are available online at http://mixedlayer.ucsd.edu . The MLDs calculated by the hybrid algorithm are shallower and generally more accurate than those of the threshold method, particularly in regions of deep winter mixed layers; the new climatology differs the most from existing mixed layer climatologies in these regions. Examples are presented from the Labrador and Irminger Seas, the Southern Ocean, and the North Atlantic Ocean near the Gulf Stream. In these regions the threshold method tends to overestimate winter MLDs by approximately 10% compared to the algorithm.

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)0,002
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: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,008

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 Opus0,052
Tête enseignante GPT0,329
Écart entre enseignants0,277 · 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
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations381
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207