MétaCan
Menu
Retour à la cohorte
Enregistrement W2897169610 · doi:10.1038/s41598-018-33803-2

Estimation of Horizontal Eddy Heat Flux in Upper Mixed-Layer in the South China Sea by Using Satellite Data

2018· article· en· W2897169610 sur OpenAlexafffund
Jiayi Pan

Notice bibliographique

RevueScientific Reports · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesOffice of Energy Research and DevelopmentResearch Grants Council, University Grants CommitteeChinese University of Hong KongFisheries and Oceans CanadaDepartment of Education of Guangdong ProvinceNational Natural Science Foundation of China
Mots-clésSatelliteMixed layerFlux (metallurgy)Eddy covarianceChinaEnvironmental scienceMeteorologyHeat fluxClimatologyAtmospheric sciencesGeologyGeographyHeat transferMaterials sciencePhysicsBiologyMechanicsEcosystemEcology

Résumé

récupéré en direct d'OpenAlex

In this study, the horizontal eddy heat flux in the upper mixed-layer in the South China Sea (SCS) is derived from satellite-derived observational data of sea surface height anomalies and optimally interpolated sea surface temperature, as well as a reanalysis dataset of mixed-layer depth. The long-term heat flux shows a northward transport on the west side of the SCS, comparable with that in the Kuroshio extension with strong eddy activities. The eddy flux in the SCS has a prominent semi-annual cycle and becomes the strongest in winter and summer with the inflow flux in the south and the outflow in the northwest into the East China Sea through the Taiwan Strait. The semi-annual cycle is related to the strong semi-annul variabilities of the velocity and the temperature in areas southeast of Vietnam and in the northern SCS, respectively. In some areas of the SCS, the eddy heat flux can reach more than ~ 60% of the mean flow heat flux. The convergence of the eddy flux indicates that heat accumulates southeast of Vietnam, which may result in heat storage increases in the upper mixed-layer.

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)0,000
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 enseignants0,031
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,247
Écart entre enseignants0,225 · 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

Citations7
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207