MétaCan
Menu
Retour à la cohorte
Enregistrement W2891515336 · doi:10.1146/annurev-marine-121916-063604

Using Noble Gases to Assess the Ocean's Carbon Pumps

2018· review· en· W2891515336 sur OpenAlexafffund
Roberta C. Hamme, David Nicholson, William J. Jenkins, Steven Emerson

Notice bibliographique

RevueAnnual Review of Marine Science · 2018
Typereview
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésNeonEnvironmental scienceCarbon fibersNoble gasCarbon dioxideCarbon cycleDissolved organic carbonAtmospheric sciencesOceanographyArgonChemistryGeologyMaterials scienceEcology

Résumé

récupéré en direct d'OpenAlex

Natural mechanisms in the ocean, both physical and biological, concentrate carbon in the deep ocean, resulting in lower atmospheric carbon dioxide. The signals of these carbon pumps overlap to create the observed carbon distribution in the ocean, making the individual impact of each pump difficult to disentangle. Noble gases have the potential to directly quantify the physical carbon solubility pump and to indirectly improve estimates of the biological organic carbon pump. Noble gases are biologically inert, can be precisely measured, and span a range of physical properties. We present dissolved neon, argon, and krypton data spanning the Atlantic, Southern, Pacific, and Arctic Oceans. Comparisons between deep-ocean observations and models of varying complexity enable the rates of processes that control the carbon solubility pump to be quantified and thus provide an important metric for ocean model skill. Noble gases also provide a powerful means of assessing air-sea gas exchange parameterizations.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,960
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
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 Opus0,072
Tête enseignante GPT0,334
Écart entre enseignants0,262 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations34
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Marine ScienceMême sujetMarine and coastal ecosystemsTravaux en français237 207