MétaCan
Menu
Retour à la cohorte
Enregistrement W3084480149 · doi:10.5194/egusphere-egu2020-22597

Global Analysis of Marine Heatwave physical Processes

2020· article· en· W3084480149 sur OpenAlexaff
Sofia Darmaraki, Eric C. J. Oliver

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésClimate changeOceanographyMarine ecosystemEnvironmental scienceEcosystemSea surface temperatureGlobal warmingAdvectionClimatologyEcologyBiologyGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

<p>Marine heatwaves (MHWs) are periods of extreme warm temperatures in the ocean and have been seen to exert substantial pressure to marine ecosystems around the world. For instance, they may drive widespread marine species die-offs, force coastal marine ecosystem regime shifts, promote toxic algal blooms, and/or alter the distribution of commercial fisheries on a scale of weeks to months. Recent studies have indicated a significant increase in MHW frequency and intensity throughout the 20<sup>th</sup> century, a trend which is likely to aggravate in the 21<sup>st</sup> century, according to future projections.  Therefore, it is crucial to understand what are the climate drivers and physical processes governing MHWs in different regions of the global ocean and how these may change under the climate change regime. Here, we perform a mixed layer heat budget analysis, using a global ocean reanalysis product, to diagnose the relative role of ocean advection and atmosphere fluxes on the development of past MHWs around the world. Significant events are first identified using a consistent framework. Then, the heat budget results reveal that certain physical processes tend to be dominant in different regions, which can be traced back to specific local-scale dynamics. The global scale of this analysis provides a significant addition to the current literature which has, so far, been focused on the examination of the underlying mechanisms behind individual events. It also contributes to a better understanding of the variability and processes governing MHWs, offering also a potential ability for future event predictability.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,236
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOcean Acidification Effects and ResponsesTravaux en français237 207