MétaCan
Menu
Retour à la cohorte
Enregistrement W4205809052 · doi:10.1029/2021ms002715

Influence of Nonseasonal River Discharge on Sea Surface Salinity and Height

2022· article· en· W4205809052 sur OpenAlexaff
Hrishikesh A. Chandanpurkar, Tong Lee, Xiaochun Wang, Hong Zhang, Séverine Fournier, Ian Fenty, Ichiro Fukumori, Dimitris Menemenlis, Christopher G. Piecuch, J. T. Reager, Ou Wang, John R. Worden

Notice bibliographique

RevueJournal of Advances in Modeling Earth Systems · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesEarth Sciences Division
Mots-clésDischargeEnvironmental scienceClimatologySalinitySSS*Sea surface temperatureForcing (mathematics)OceanographyGeologyGeography

Résumé

récupéré en direct d'OpenAlex

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.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,010
Tête enseignante GPT0,221
Écart entre enseignants0,211 · 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'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

Citations25
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advances in Modeling Earth SystemsMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207