MétaCan
Menu
Retour à la cohorte
Enregistrement W2904441111 · doi:10.1080/07055900.2018.1549016

An Empirical Tropical Instability Wave-induced Wind Stress Model in the Equatorial Pacific and its Incorporation into the Ocean Model

2018· article· en· W2904441111 sur OpenAlexvenueno aff
Yanzhou Wei, Xianbiao Kang, Yuhua Pei

Notice bibliographique

RevueATMOSPHERE-OCEAN · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensnon disponible
Organismes subventionnairesChina Ocean Mineral Resources Research and Development AssociationNational Natural Science Foundation of ChinaNational Aeronautics and Space Administration
Mots-clésWind stressCrosswindClimatologyCurl (programming language)Environmental scienceSea surface temperatureAtmospheric sciencesPerturbation (astronomy)MeteorologyGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

Satellite observations revealed that there is a close relationship between perturbations of sea surface temperature (SST) and wind stress (τ) induced by tropical instability waves (TIWs; SSTTIW and τ TIW). Using the empirical relationship observed between TIW-induced wind stress divergence (curl) and downwind (crosswind) SST gradients, this study establishes a TIW-induced wind stress field perturbation model τ TIW = F(SST). This empirical model solves τ TIW from the TIW-induced wind stress divergence and curl, which are estimated from the downwind and crosswind SST gradients. This empirical τ TIW = F(SST) model can be incorporated into the ocean model to take into account the effect of τ TIW. By comparing two experiments with and without the τ TIW effect, this study demonstrates that τ TIW has a substantial effect on the equatorial Pacific heat budget and induces the long-term mean SST to exhibit a 0.2°C difference, which is consistent with previous studies.

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 enseignants0,011
Score d'incertitude au seuil0,022

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)0,0000,000

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 Opus0,030
Tête enseignante GPT0,256
Écart entre enseignants0,226 · 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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueATMOSPHERE-OCEANMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207