MétaCan
Menu
Retour à la cohorte
Enregistrement W2782554811 · doi:10.1002/2017gl075910

Simulated Impact of Glacial Runoff on CO<sub>2</sub> Uptake in the Gulf of Alaska

2018· article· en· W2782554811 sur OpenAlexafffund
Darren Pilcher, Samantha Siedlecki, Albert J. Hermann, Kenneth O. Coyle, Jeremy T. Mathis, Wiley Evans

Notice bibliographique

RevueGeophysical Research Letters · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensTula Foundation
Organismes subventionnairesIntegrated Ocean Observing SystemNOAA Pacific Marine Environmental LaboratoryHakai InstituteUniversity of WashingtonJoint Institute for the Study of the Atmosphere and OceanNational Oceanic and Atmospheric AdministrationNational Research Council Sri Lanka
Mots-clésAlkalinityGlacial periodTidewaterSurface runoffMeltwaterEnvironmental scienceBiogeochemical cycleSink (geography)Climate changeHydrology (agriculture)OceanographyCarbon cycleEcosystemGeologyGlacierEcologyGeographyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract The Gulf of Alaska (GOA) receives substantial summer freshwater runoff from glacial meltwater. The alkalinity of this runoff is highly dependent on the glacial source and can modify the coastal carbon cycle. We use a regional ocean biogeochemical model to simulate CO2 uptake in the GOA under different alkalinity‐loading scenarios. The GOA is identified as a current net sink of carbon, though low‐alkalinity tidewater glacial runoff suppresses summer coastal carbon uptake. Our model shows that increasing the alkalinity generates an increase in annual CO2 uptake of 1.9–2.7 TgC/yr. This transition is comparable to a projected change in glacial runoff composition (i.e., from tidewater to land‐terminating) due to continued climate warming. Our results demonstrate an important local carbon‐climate feedback that can significantly increase coastal carbon uptake via enhanced air‐sea exchange, with potential implications to the coastal ecosystems in glaciated areas around the world.

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 enseignants0,076
Score d'incertitude au seuil0,151

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,027
Tête enseignante GPT0,322
Écart entre enseignants0,295 · 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

Citations18
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetMethane Hydrates and Related PhenomenaTravaux en français237 207