MétaCan
Menu
Retour à la cohorte
Enregistrement W2904569343 · doi:10.1029/2018gl080099

Air‐Sea CO<sub>2</sub> Flux Estimates in Stratified Arctic Coastal Waters: How Wrong Can We Be?

2018· article· en· W2904569343 sur OpenAlexafffundabout
Lisa A. Miller, Tonya Burgers, William J. Burt, Mats A. Granskog, Tim Papakyriakou

Notice bibliographique

RevueGeophysical Research Letters · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversity of British ColumbiaUniversity of ManitobaFisheries and Oceans Canada
Organismes subventionnairesFisheries and Oceans CanadaNatural Sciences and Engineering Research Council of CanadaNorsk PolarinstituttArcticNet
Mots-clésSeawaterSink (geography)Environmental scienceArcticSalinityOceanographyFlux (metallurgy)Atmospheric sciencesSampling (signal processing)Surface waterSurface runoffHydrology (agriculture)Geology

Résumé

récupéré en direct d'OpenAlex

Abstract Summer near‐surface seawater sampling in the Canadian Arctic revealed potential for significant errors (nearly 0.1 μmol·(m ‐2 s ‐1 )) in CO 2 fluxes calculated from measured air‐sea CO 2 gradients. River runoff and sea ice melt strongly stratify these waters, often resulting in surface mixed layers only a few meters thick and isolated from waters sampled by shipboard underway systems. Samples collected with the underway system, rosette, and small boats exposed substantial near‐surface gradients in CO 2 partial pressure ( p CO 2 ) over the top 7 m at many stations. Distributions of temperature, salinity, and fluorescence indicated that the sources of the CO 2 system gradients varied between stations, precluding simple corrections to align subsurface data with shallower conditions. Overall, the strong summertime sink of atmospheric CO 2 implied by the underway data was not supported by shallower data.

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)0,017
score de la tête « metaresearch » (Gemma)0,035
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,401
Score d'incertitude au seuil0,798

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,004
Communication savante0,0080,005
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,029
Tête enseignante GPT0,272
Écart entre enseignants0,243 · 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

Citations39
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207