On using the finescale parameterization and Thorpe scales to estimate turbulence from glider data
Notice bibliographique
Résumé
Abstract Turbulence plays a key role in many oceanic processes, but a shortage of turbulence observations impedes its exploration. Parameterizations of turbulence applied to readily-available CTD data can be useful in expanding our understanding of the space-time variability of turbulence. Typically tested and applied to shipboard data, these parameterizations have not been rigorously tested on data collected by underwater gliders, which show potential to observe turbulence in conditions that ships cannot. Using data from a 10-day glider survey in a coastal shelf environment, we compare estimates of turbulent dissipation from the finescale parameterization and Thorpe scale method to those estimated from microstructure observations collected on the same glider platform. We find that the finescale parameterization captures the magnitude and statistical distribution of dissipation, but cannot resolve spatiotemporal features in this relatively shallow water depth. In contrast, the Thorpe scale method more successfully characterizes the spatiotemporal distribution of turbulence; however, the magnitude of dissipation is overestimated, largely due to limitations on the detectable density overturn size imposed by the typical glider CTD sampling frequency of 0.5 Hz and CTD noise. Despite these limitations, turbulence parameterizations provide a viable opportunity to use CTD data collected by the multitude of gliders sampling the ocean to develop greater insight into the space-time variability of ocean turbulence and the role of turbulence in oceanic processes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».