MétaCan
Menu
Retour à la cohorte
Enregistrement W4210737522 · doi:10.5194/essd-2020-402

Coastal Ocean Data Analysis Product in North America (CODAP-NA) – An internally consistent data product for discrete inorganic carbon,oxygen, and nutrients on the U.S. North American ocean margins

2021· preprint· en· W4210737522 sur OpenAlexaboutno aff
Li‐Qing Jiang, Richard A. Feely, Rik Wanninkhof, Dana Greeley, Leticia Barbero, Simone R. Alin, Brendan R. Carter, Denis Pierrot, Charles Featherstone, James R. Hooper, Chris Melrose, Natalie Monacci, Jonathan D. Sharp, Shawn Shellito, Yuan‐Yuan Xu, Alex Kozyr, Robert H. Byrne, Wei‐Jun Cai, Jessica Cross, Gregory C. Johnson, Burke Hales, Chris Langdon, Jeremy T. Mathis, Joe Salisbury, David W. Townsend

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensnon disponible
Organismes subventionnairesNOAA Pacific Marine Environmental LaboratoryNOAA ResearchBjerknessenteret for klimaforskning, Universitetet i BergenCooperative Institute for Marine and Atmospheric Studies, University of MiamiNational Oceanic and Atmospheric AdministrationUniversitetet i BergenNortheast Fisheries Science CenterUniversity of MiamiGEOMAR Helmholtz-Zentrum für Ozeanforschung KielOcean Acidification ProgramPrinceton University
Mots-clésCruiseProduct (mathematics)OceanographyEnvironmental scienceContinental shelfData qualityOcean chemistryGeographyBusinessService (business)GeologySeawaterMathematicsMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract. Internally-consistent, quality-controlled data products play a very important role in promoting regional to global research efforts to understand societal vulnerabilities to ocean acidification (OA). However, there are currently no such data products for the coastal ocean where most of the OA-susceptible commercial and recreational fisheries and aquaculture industries are located. In this collaborative effort, we compiled, quality controlled (QC), and synthesized two decades of discrete measurements of inorganic carbon system parameters, oxygen, and nutrient chemistry data from the U.S. North American continental shelves, to generate a data product called the Coastal Ocean Data Analysis Product for North America (CODAP-NA). There are few deep-water (> 1500 m) sampling locations in the current data product. As a result, cross-over analyses, which rely on comparisons between measurements on different cruises in the stable deep ocean, could not form the basis for cruise-to-cruise adjustments. For this reason, care was taken in the selection of data sets to include in this initial release of CODAP-NA, and only data sets from laboratories with known quality assurance practices were included. New consistency checks and outlier detections were used to QC the data. Future releases of this CODAP-NA product will use this core data product as the basis for secondary QC. We worked closely with the investigators who collected and measured these data during the QC process. This version of the CODAP-NA is comprised of 3,292 oceanographic profiles from 61 research cruises covering all continental shelves of North America, from Alaska to Mexico in the west and from Canada to the Caribbean in the east. Data for 14 variables (temperature; salinity; dissolved oxygen concentration; dissolved inorganic carbon concentration; total alkalinity; pH on the Total Scale; carbonate ion concentration; fugacity of carbon dioxide; and concentrations of silicate, phosphate, nitrate, nitrite, nitrate plus nitrite, and ammonium) have been subjected to extensive QC. CODAP-NA is available as a merged data product (Excel, CSV, MATLAB, and NetCDF, https://doi.org/10.25921/531n-c230, https://www.ncei.noaa.gov/data/oceans/ncei/ocads/metadata/0219960.html) (Jiang et al., 2020). The original cruise data have also been updated with data providers' consent and summarized in a table with links to NOAA's National Centers for Environmental Information (NCEI) archives (https://www.ncei.noaa.gov/access/ocean-acidification-data-stewardship-oads/synthesis/NAcruises.html).

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,263
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0030,001
Intégrité de la recherche0,0000,001
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 Opus0,043
Tête enseignante GPT0,264
Écart entre enseignants0,221 · 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.

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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOcean Acidification Effects and ResponsesTravaux en français237 207