MétaCan
Menu
Retour à la cohorte
Enregistrement W2743203088 · doi:10.1002/2017jc012819

Observing <scp>S</scp>ystem <scp>S</scp>imulation <scp>E</scp>xperiments for an array of autonomous biogeochemical profiling floats in the <scp>S</scp>outhern <scp>O</scp>cean

2017· article· en· W2743203088 sur OpenAlexaff
Igor Kamenkovich, Angelique C. Haza, Alison R. Gray, Carolina O. Dufour, Z. D. Garraffo

Notice bibliographique

RevueJournal of Geophysical Research Oceans · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensMcGill University
Organismes subventionnairesClimate Program OfficeNational Aeronautics and Space AdministrationNational Oceanic and Atmospheric AdministrationNational Science Foundation
Mots-clésBiogeochemical cycleEnvironmental scienceAnnual cycleClimatologyAtmospheric sciencesGeologyBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract This study uses Observing System Simulation Experiments (OSSEs) to examine the reconstruction of biogeochemical variables in the Southern Ocean from an array of autonomous profiling floats. In these OSSEs, designed to be relevant to the Southern Ocean Carbon and Climate Observation and Modeling (SOCCOM) project, the simulated floats move with oceanic currents and sample dissolved oxygen and inorganic carbon. The annual mean and seasonal cycle of these fields are then reconstructed and compared to the original model fields. The reconstruction skill is quantified with the reconstruction error (RErr), defined as the difference between the reconstructed and actual model fields, weighted by a local measure of the spatiotemporal variability. The square of the RErr is small (<0.5) for 150 floats in most of the domain, which is interpreted to mean that the reconstruction skill is high. An idealized analytical study demonstrates that the RErr depends on the magnitude of the seasonal cycle, spatial gradients, speed of float movement, amplitude of mesoscale variability, and number of floats. These factors explain a large part of the spatial variability in the RErr and can be used to predict the reconstruction skill of the SOCCOM array. Furthermore, our results demonstrate that an array size of 150 floats is a reasonable choice for reconstruction of surface properties and annual‐mean 2000 m inventories, with the exception of the seasonal cycle in parts of the Indo‐Atlantic, and that doubling this number to 300 results in a very modest increase in the reconstruction skill for dissolved oxygen.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,065
Tête enseignante GPT0,328
Écart entre enseignants0,263 · 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'étudeSimulation ou modélisation
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

Citations29
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research OceansMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207