MétaCan
Menu
Retour à la cohorte
Enregistrement W3082498337 · doi:10.5194/essd-2020-165

GLODAPv2.2020 – the second update of GLODAPv2

2020· article· en· W3082498337 sur OpenAlexaff
Are Olsen, Nico Lange, Robert M. Key, Toste Tanhua, Henry C. Bittig, Alex Kozyr, Marta Álvarez, Kumiko Azetsu‐Scott, Susan Becker, Peter J. Brown, Brendan R. Carter, Letícia Cotrim da Cunha, Richard A. Feely, Steven van Heuven, Mario Hoppema, Masao Ishii, Emil Jeansson, Sara Jütterström, Camilla S. Landa, Siv K. Lauvset, Patrick Michaelis, Akihiko Murata, Fı́z F. Pérez, Benjamin Pfeil, Carsten Schirnick, Reiner Steinfeldt, Toru Suzuki, Bronte Tilbrook, A. Velo, Rik Wanninkhof, Ryan J. Woosley

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensBedford Institute of Oceanography
Organismes subventionnairesHorizon 2020 Framework ProgrammeNational Oceanic and Atmospheric AdministrationHelmholtz AssociationNatural Environment Research CouncilSight Research UK
Mots-clésAlkalinityEnvironmental scienceSeawaterBiogeochemical cycleSalinityNitrateOceanographyChemistryEnvironmental chemistryGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. The Global Ocean Data Analysis Project (GLODAP) is a synthesis effort providing regular compilations of surface to bottom ocean biogeochemical data, with an emphasis on seawater inorganic carbon chemistry and related variables determined through chemical analysis of water samples. GLODAPv2.2020 is an update of the previous version, GLODAPv2.2019. The major changes are: data from 106 more cruises added, extension of time coverage until 2019, and the inclusion of available discrete fugacity of CO2 (fCO2) values in the merged product files. GLODAPv2.2020 includes measurements from more than 1.2 million water samples from the global oceans collected on 946 cruises. The data for the 12 GLODAP core variables (salinity, oxygen, nitrate, silicate, phosphate, dissolved inorganic carbon, total alkalinity, pH, CFC-11, CFC-12, CFC-113, and CCl4) have undergone extensive quality control, especially systematic evaluation of bias. The data are available in two formats: (i) as submitted by the data originator but updated to WOCE exchange format and (ii) as a merged data product with adjustments applied to minimize bias. These adjustments were derived by comparing the data from the 106 new cruises with the data from the 840 quality-controlled cruises of the GLODAPv2.2019 data product. They correct for errors related to measurement, calibration, and data handling practices, while taking into account any known or likely time trends or variations in the variables evaluated. The compiled and adjusted data product is believed to be consistent to better than 0.005 in salinity, 1 % in oxygen, 2 % in nitrate, 2 % in silicate, 2 % in phosphate, 4 μmol kg−1 in dissolved inorganic carbon, 4 μmol kg−1 in total alkalinity, 0.01–0.02, depending on region, in pH, and 5 % in the halogenated transient tracers. The other variables included in the compilation, such as isotopic tracers and discrete fCO2 were not subjected to bias comparison or adjustments. The original data, their documentation and doi codes are available at the Ocean Carbon Data System of NOAA NCEI (https://www.nodc.noaa.gov/ocads/oceans/GLODAPv2_2020/, last access: 22 June 2020). This site also provides access to the merged data product, which is provided as a single global file and as four regional ones – the Arctic, Atlantic, Indian, and Pacific oceans – under https://doi.org/10.25921/2c8h-sa89 (Olsen et al., 2020). The bias corrected product files also include significant ancillary and approximated data. These were obtained by interpolation of, or calculation from, measured data. This living data update documents the GLODAPv2.2020 methods and provides a broad overview of the secondary quality control procedures and results.

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)0,008
score de la tête « metaresearch » (Gemma)0,020
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 enseignants0,061
Score d'incertitude au seuil0,206

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,020
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,001
Communication savante0,0050,006
Science ouverte0,0040,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0610,108

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 Opus0,010
Tête enseignante GPT0,172
Écart entre enseignants0,162 · 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

Citations44
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMarine and coastal ecosystemsTravaux en français237 207