MétaCan
Menu
Retour à la cohorte
Enregistrement W2743047548 · doi:10.1002/2017gl073941

Latitude and lake size are important predictors of over‐lake atmospheric stability

2017· article· en· W2743047548 sur OpenAlexafffund
R. Iestyn Woolway, Piet Verburg, Christopher J. Merchant, John D. Lenters, David P. Hamilton, Justin D. Brookes, Sean D. Kelly, Simon J. Hook, Alo Laas, Donald C. Pierson, Alon Rimmer, James A. Rusak, Ian D. Jones

Notice bibliographique

RevueGeophysical Research Letters · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensMinistry of the Environment, Conservation and Parks
Organismes subventionnairesHorizon 2020Natural Environment Research CouncilSight Research UKGlobal Lake Ecological Observatory NetworkInter-American Institute for Global Change ResearchNational Science Foundation
Mots-clésEnvironmental scienceAtmosphere (unit)Atmospheric sciencesLatitudeAtmospheric instabilityPlanetary boundary layerEvaporationWater cycleClimatologyTurbulenceMeteorologyGeologyWind speedGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Turbulent fluxes across the air‐water interface are integral to determining lake heat budgets, evaporation, and carbon emissions from lakes. The stability of the atmospheric boundary layer (ABL) influences the exchange of turbulent energy. We explore the differences in over‐lake ABL stability using data from 39 globally distributed lakes. The frequency of unstable ABL conditions varied between lakes from 71 to 100% of the time, with average air temperatures typically several degrees below the average lake surface temperature. This difference increased with decreasing latitude, resulting in a more frequently unstable ABL and a more efficient energy transfer to and from the atmosphere, toward the tropics. In addition, during summer the frequency of unstable ABL conditions decreased with increasing lake surface area. The dependency of ABL stability on latitude and lake size has implications for heat loss and carbon fluxes from lakes, the hydrologic cycle, and climate change effects.

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)0,002
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,262
Écart entre enseignants0,239 · 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

Citations43
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetMarine and coastal ecosystemsTravaux en français237 207