MétaCan
Menu
Retour à la cohorte
Enregistrement W3080911893 · doi:10.1038/s41597-020-00578-z

Arctic tidal current atlas

2020· article· en· W3080911893 sur OpenAlexaff
Till M. Baumann, Igor V. Polyakov, Laurie Padman, Seth L. Danielson, Ilker Fer, Markus Janout, William J. Williams, Andrey V. Pnyushkov

Notice bibliographique

RevueScientific Data · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesNorges ForskningsrådBundesministerium für Bildung und ForschungNational Science Foundation
Mots-clésBaroclinityCurrent (fluid)OceanographyArcticTidal powerEnvironmental scienceOcean currentSubmarine pipelineTidal rangeClimatologyGeologyEstuaryEcology

Résumé

récupéré en direct d'OpenAlex

Tidal and wind-driven near-inertial currents play a vital role in the changing Arctic climate and the marine ecosystems. We compiled 429 available moored current observations taken over the last two decades throughout the Arctic to assemble a pan-Arctic atlas of tidal band currents. The atlas contains different tidal current products designed for the analysis of tidal parameters from monthly to inter-annual time scales. On shorter time scales, wind-driven inertial currents cannot be analytically separated from semidiurnal tidal constituents. Thus, we include 10-30 h band-pass filtered currents, which include all semidiurnal and diurnal tidal constituents as well as wind-driven inertial currents for the analysis of high-frequency variability of ocean dynamics. This allows for a wide range of possible uses, including local case studies of baroclinic tidal currents, assessment of long-term trends in tidal band kinetic energy and Arctic-wide validation of ocean circulation models. This atlas may also be a valuable tool for resource management and industrial applications such as fisheries, navigation and offshore construction.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,173

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0280,020

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 Opus0,076
Tête enseignante GPT0,252
Écart entre enseignants0,176 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207