At‐sea intercomparison of three underway <i>p</i>CO<sub>2</sub> systems
Notice bibliographique
Résumé
Abstract Ocean surface partial pressure of carbon dioxide ( p CO 2 ) is a key factor controlling air–sea CO 2 fluxes. Most surface p CO 2 data are collected with relatively large and complex air–water equilibrators coupled to stand‐alone infrared analyzers installed on Ships of OPportunity (SOOP‐CO2). This approach has proven itself through years of successful deployments, but expansion and sustainability of the future measurement network faces challenges in terms of certification, autonomy, and maintenance, which motivates development of new systems. Here, we compare performance of three underway p CO 2 measurement systems (General Oceanics, SubCtech, and Pro‐Oceanus), including a recently developed compact flow‐through, sensor‐based system. The systems were intercompared over a period of 34 days during two crossings of the subpolar North Atlantic Ocean. With a mean difference from the General Oceanics system of −5.7 ± 4.0 μ atm (Pro‐Oceanus) and −4.7 ± 2.9 μ atm (SubCtech) during the 1 st crossing, our results indicate potential for good agreement between the systems. The study highlighted the challenge of assuring accuracy over long periods of time, particularly seen in a worse agreement during the 2 nd crossing, and revealed a number of sources of systematic errors. These can influence accuracy of the measurements, agreement between systems and include slow response of membrane‐based systems to p CO 2 changes, “within‐ship” respiration due to biofouling, and bias in measurement of the temperature of equilibration. These error sources can be controlled or corrected for, however, if unidentified, their magnitude can be significant relative to accuracy criteria assigned to the highest‐quality data in global databases. The advantages of the compact flow‐through system are presented along with a discussion of future solutions for improving data quality.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».