Influence of Nonseasonal River Discharge on Sea Surface Salinity and Height
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract River discharge influences ocean dynamics and biogeochemistry. Due to the lack of a systematic, up‐to‐date global measurement network for river discharge, global ocean models typically use seasonal discharge climatology as forcing. This compromises the simulated nonseasonal variation (the deviation from seasonal climatology) of the ocean near river plumes and undermines their usefulness for interdisciplinary research. Recently, a reanalysis‐based daily varying global discharge data set was developed, providing the first opportunity to quantify nonseasonal discharge effects on global ocean models. Here we use this data set to force a global ocean model for the 1992–2017 period. We contrast this experiment with another experiment (with identical atmospheric forcings) forced by seasonal climatology from the same discharge data set to isolate nonseasonal discharge effects, focusing on sea surface salinity (SSS) and sea surface height (SSH). Near major river mouths, nonseasonal discharge causes standard deviations in SSS (SSH) of 1.3–3 practical salinity unit (1–2.7 cm). The inclusion of nonseasonal discharge results in notable improvement of model SSS against satellite SSS near most of the tropical‐to‐midlatitude river mouths and minor improvement of model SSH against satellite or in‐situ SSH near some of the river mouths. SSH changes associated with nonseasonal discharge can be explained by salinity effects on halosteric height and estimated accurately through the associated SSS changes. A recent theory predicting river discharge impact on SSH is found to perform reasonably well overall but underestimates the impact on SSH around the global ocean and has limited skill when applied to rivers near the equator and in the Arctic Ocean.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle