MétaCan
Menu
Retour à la cohorte
Enregistrement W3091555448 · doi:10.1016/j.oceano.2020.09.004

Assessment of wave energy in the Persian Gulf: An evaluation of the impacts of climate change

2020· article· en· W3091555448 sur OpenAlexaff
Hamid Goharnejad, Ehsan Nikaein, William Perrie

Notice bibliographique

RevueOceanologia · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésClimate changeSignificant wave heightEnvironmental scienceRenewable energyClimatologyWave heightGreenhouse gasWave powerWind waveWind powerGlobal warmingRepresentative Concentration PathwaysClimate modelAtmospheric sciencesMeteorologyOceanographyEnergy (signal processing)GeographyGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

We are motivated to study the exploitation of marine energy as a renewable resource because of society's ever-increasing energy demands, and a concomitant need to reduce greenhouse gas emissions. Additionally, climate-related variations in wave energy should be investigated in order to ensure the stability of its long-term availability. Here, we investigate the potential for wave energy in the Persian Gulf along the southern coasts of Iran. To do so, we have applied the Mike SW numerical model and ECMWF wind field data for a 30-year study, from 1988 to 2017. For this purpose, wave energy was evaluated at six points in the western, northern, southern, and eastern parts of the Persian Gulf. To assess the impacts of climate change, we also consider the wave regime from 2070 to 2099 (for 30 years) following IPCC RCP4.5 and RCP8.5 climate change scenarios. Our findings suggest that in the present climate, seasonal variations in the mean wave parameters (i.e. wave energy, wave period, and significant wave height) correspond to the lowest wave energy in the summers, and highest in the winters. In the future climate change scenarios, energy level variations generally have similar patterns, with slight modulations in some local areas.

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)0,001
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 enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
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 Opus0,066
Tête enseignante GPT0,276
Écart entre enseignants0,209 · 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

Citations24
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOceanologiaMême sujetOcean Waves and Remote SensingTravaux en français237 207