MétaCan
Menu
Retour à la cohorte
Enregistrement W3025396210 · doi:10.1017/aog.2020.26

Mechanisms driving the asymmetric seasonal cycle of Antarctic Sea Ice in the CESM Large Ensemble

2020· article· en· W3025396210 sur OpenAlexfundno aff
Clare Eayrs, Daiane Gracieli Faller, David M. Holland

Notice bibliographique

RevueAnnals of Glaciology · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensnon disponible
Organismes subventionnairesYork UniversityNew York University Abu Dhabi
Mots-clésSea iceGeologyClimatologyAntarctic sea iceLead (geology)Arctic ice packDivergence (linguistics)Drift iceAtmospheric sciencesOceanographyGeomorphology

Résumé

récupéré en direct d'OpenAlex

Abstract The yearly paired process of slow growth and rapid melt of some 15 million square kilometers of Antarctic sea ice takes place with a regular asymmetry; the process has been linked to the relationship of the position of the ice edge with the band of low pressure that circles the continent between 60° and 70°S. In autumn, winds to the north of the low-pressure band slow the advancing ice edge. In summer, Ekman divergence created by opposing winds on either side of the low-pressure band opens up warm water regions that rapidly melt sea ice. We use the 40 ensemble members from the CESM-LENS historical run (1920–2005) to examine the relationship between the asymmetry in the annual cycle and the position and intensity of the low-pressure band. CESM-LENS reproduces the magnitude of the annual cycle of Antarctic sea ice extent with a short lag (2 weeks). Melt rate is the characteristic of the annual cycle that varies the most. Our results provide evidence that lower pressure leads to increased melt rates, which supports the importance of the role of divergence in increasing the melt rate of Antarctic sea ice. The role of winds during the growing season remains unquantified.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,258
Écart entre enseignants0,228 · 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of GlaciologyMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207