MétaCan
Menu
Retour à la cohorte
Enregistrement W3160946933 · doi:10.1080/07038992.2021.1924645

A Sea-Surface Temperature Homogenization Blend for the Northwest Atlantic

2021· article· en· W3160946933 sur OpenAlexaffvenueabout
Peter S. Galbraith, Pierre Larouche, Carla Caverhill

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésHindcastClimatologyHomogenization (climate)Environmental scienceMerge (version control)Sea surface temperatureProxy (statistics)MeteorologyGeographyStatisticsGeologyComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

As part of the Atlantic Zone Monitoring Program two different methods were applied to merge three Level-3 AVHRR SST products into a homogenized blend covering the time period from 1982 to present over the Northwest Atlantic, providing a regionally-tuned climatological base on which to assess whether current observations are below, near or above normal. Weekly and monthly SST composites were constructed by averaging daily anomalies within each time period and adding the result to the climatological mean for the period. This approach reduces biases introduced from missing data during a strong warming/cooling seasonal period. Since AVHRR SST data have many spatial and temporal gaps, a common difficulty is establishing how much data are sufficient to yield useful estimations of temperature anomalies. A statistical Monte Carlo method showed that monthly and weekly regional averages composed respectively of as little as 7% and 10% of possible data still yield useful results. A test case shows the increased usefulness of the blend for State of the Ocean reporting. Application of the data set confirmed the use of coastal air temperature as a useful proxy for SST allowing hindcasting past changes or forecasting future changes associated with global warming over Eastern Canadian waters.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,422
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,212
Écart entre enseignants0,198 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations5
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Remote SensingMême sujetClimate variability and modelsTravaux en français237 207