A comprehensive oceanographic dataset of a subpolar, mid-latitude broad fjord: Fortune Bay, Newfoundland, Canada
Notice bibliographique
Résumé
Abstract. While the dynamics of narrow fjords, i.e. narrow with respect to their internal Rossby radius, have been widely studied, it is only recently that interest in studying the physics of broad fjords was sparked due to their importance in glacial ice melting (in Greenland, especially). Here, we present a comprehensive set of data collected in Fortune Bay, a broad, mid-latitude fjord located on the northwest Atlantic shores. Aside from being wide (15–25 km width) and deep (600 m at its deepest), Fortune Bay also has the characteristics of having steep slopes, having weak tides and being strongly stratified from spring to fall. Thus, and since strong along-shore winds also characterize the region, this system is prone to interesting dynamics, generally taking the form of transient upwelling and downwelling travelling along its shores, similar to processes encountered in broad fjords of higher latitudes. The dataset collected to study those dynamics consists of water column physical parameters (temperature, salinity, currents and water level) and atmospheric forcing (wind speed and direction, atmospheric pressure, air temperature, and solar radiation) taken at several points around the fjord using oceanographic moorings and land-based stations. The program lasted 2 full years and achieved a good data return of 90 %, providing a comprehensive dataset not only for Fortune Bay studies but also for the field of broad fjord studies. The data are available publically from the SEANOE repository (https://doi.org/10.17882/62314; Donnet and Lazure, 2020).
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 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 ».