MétaCan
Menu
← Retour à la cohorte
Enregistrement W3088549351 · doi:10.5194/os-2020-84

Estimating the Absolute Salinity of China Offshore Seawater Using Nutrients and Inorganic Carbon Data

2020· article· en· W3088549351 sur OpenAlexaff
Fengying Ji, Xuejun Xiong, Rich Pawlowicz

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésSalinitySeawaterSubmarine pipelineOceanographyCarbonateEnvironmental scienceGeologyChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract. In June 2009, the Intergovernmental Oceanographic Commission of UNESCO released the international thermodynamic equation of seawater – 2010 (TEOS-10 for short) (IOC et al, 2010) to define, describe and calculate the thermodynamic properties of seawater. Compared to Equation of Ocean State-80 (EOS-80 for short), the most obvious change of TEOS-10 is taking Absolute Salinity as salinity argument, replacing the Practical Salinity used in ocean society for 30 years. Due to lack of observation data, Absolute Salinity algorithm the applicability in the offshore and semi-closed sea is not very clear to date. Based on the Marine Integrated Investigation and Evaluation Project of China Offshore, other relevant data together with Pa08 model, we obtain the magnitude, distribution characteristics and formation mechanism of Absolute Salinity in China offshore. As the main composition anomaly relative to SSW, calcium carbonate, originating from terrestrial input of high calcium carbonate content and re-dissolution of sediment of China offshore, raises the Absolute Salinity Anomaly δSA as high as 0.20 g kg-1 and increases the Practical Salinity about 0.025 at most comparing to the chlorinity-based salinity. Moreover, both of them show obvious seasonal variation. Finally, relevant suggestions are proposed for the accurate measurement and expression of Absolute Salinity of the China offshore.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,044
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,041
Tête enseignante GPT0,231
Écart entre enseignants0,189 · 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'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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMarine and coastal ecosystems→Travaux en français237 207→