MétaCan
Menu
Retour à la cohorte
Enregistrement W2790149496 · doi:10.3390/rs10020348

Upper Ocean Response to Typhoon Kalmaegi and Sarika in the South China Sea from Multiple-Satellite Observations and Numerical Simulations

2018· article· en· W2790149496 sur OpenAlexaff
Xinxin Yue, Biao Zhang, Guoqiang Liu, Xiaofeng Li, Han Zhang, Yijun He

Notice bibliographique

RevueRemote Sensing · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueTropical and Extratropical Cyclones Research
Établissements canadiensBedford Institute of Oceanography
Organismes subventionnairesnon disponible
Mots-clésTyphoonSatelliteChinaClimatologyEnvironmental scienceGeologyMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

We investigated ocean surface and subsurface physical responses to Typhoons Kalmaegi and Sarika in the South China Sea, utilizing synergistic multiple-satellite observations, in situ measurements, and numerical simulations. We found significant typhoon-induced sea surface cooling using satellite sea surface temperature (SST) observations and numerical model simulations. This cooling was mainly caused by vertical mixing and upwelling. The maximum amplitudes were 6 °C and 4.2 °C for Typhoons Kalmaegi and Sarika, respectively. For Typhoon Sarika, Argo temperature profile measurements showed that temperature response beneath the surface showed a three-layer vertical structure (decreasing-increasing-decreasing). Satellite salinity observations showed that the maximum increase of sea surface salinity (SSS) was 2.2 psu on the right side of Typhoon Sarika’s track, and the maximum decrease of SSS was 1.4 psu on the left. This SSS seesaw response phenomenon is related to the asymmetrical rainfall on both sides of the typhoon track. Acoustic Doppler Current Profilers measurements and numerical simulations both showed that subsurface current velocities rapidly increased as the typhoon passed, with peak increases of up to 1.19 m/s and 1.49 m/s. Typhoon-generated SST cooling and current velocity increases both exhibited a rightward bias associated with a coupling between typhoon wind-stress and mixed layer velocity.

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 enseignants0,073
Score d'incertitude au seuil0,146

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,033
Tête enseignante GPT0,256
Écart entre enseignants0,223 · 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

Citations58
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetTropical and Extratropical Cyclones ResearchTravaux en français237 207