MétaCan
Menu
← Retour à la cohorte
Enregistrement W4210772558 · doi:10.5194/essd-2022-34

The CISE-LOCEAN sea water isotopic database (1998–2021)

2022· preprint· en· W4210772558 sur OpenAlexaff
Gilles Reverdin, Claire Waelbroeck, Catherine Pierre, Camille Akhoudas, Giovanni Aloisi, Marion Benetti, Bernard Bourlès, Magnús Danielsen, Jérôme Demange, Denis Diverrès, Jean‐Claude Gascard, Marie‐Noëlle Houssais, Hervé Le Goff, Pascale Lherminier, Claire Lo Monaco, Herlé Mercier, Nicolas Metzl, Simon Morisset, Aïcha Naamar, Thierry Reynaud, Jean‐Baptiste Sallée, Virginie Thierry, Susan E. Hartman, Edward M. Mawji, Sólveig Rósa Ólafsdóttir, Torsten Kanzow, Antje H L Voelker, Igor Yashayaev

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensBedford Institute of OceanographyNanoQuébec (Canada)
Organismes subventionnairesDirectorate for Computer and Information Science and EngineeringInstitut national des sciences de l'UniversInstitut Polaire Français Paul Emile VictorCentre National de la Recherche ScientifiqueAgence Nationale de la RechercheInstitut Français de Recherche pour l'Exploitation de la Mer
Mots-clésδ18OStandard deviationData setDatabaseConsistency (knowledge bases)Scale (ratio)Environmental scienceStable isotope ratioStatisticsComputer scienceMathematicsGeographyPhysicsCartography

Résumé

récupéré en direct d'OpenAlex

Abstract. The characteristics of the CISE-LOCEAN sea water isotope data set (δ18O, δ2H, later designed as δD) are presented. This data set covers the time period from 1998 to 2021 and currently includes close to 8000 data entries, all with δ18O, three quarters of them also with δD, associated with a time and space stamp and usually a salinity measurement. Until 2010, samples were analysed by isotopic ratio mass spectrometry, and since then mostly by cavity ring-down spectroscopy (CRDS). Instrumental uncertainty on individual data in this dataset is usually with a standard deviation as low as 0.03 / 0.15 ‰ for δ18O and δD. An additional uncertainty is related to uncertain isotopic composition of the in-house standards that are used to convert daily data into the VSMOW scale. Different comparisons suggest that since 2010 the latter have remained within at most 0.03 / 0.20 ‰ for δ18O and δD. Therefore, combining the two suggests a standard deviation of at most 0.05 / 0.25 ‰ for δ18O / δD. Finally, for some samples, we find that there has been evaporation during collection and storage, requiring adjustment of the isotopic data produced by CRDS, based on d-excess. This adds an uncertainty on the adjusted data of roughly 0.05 / 0.10 ‰ on δ18O and δD. This issue of conservation of samples is certainly a strong source of quality loss for parts of the database, and ‘small’ effects may have remained undetected. The internal consistency of the database can be tested for subsets of the dataset, when time series can be obtained (such as in the southern Indian Ocean or North Atlantic subpolar gyre). These comparisons suggest that the overall uncertainty of the spatially (for a cruise) or temporally (over a year) averaged data is on the order of or less than 0.03 / 0.15 ‰ for δ18O / δD. On the other hand, 17 comparisons with duplicate sea water data analysed in other laboratories or with other data sets in deep regions suggest a larger scatter. When averaging the 17 comparisons done for δ18O, we find a difference close to the adjustment applied at LOCEAN to convert salty water data from the activity to the concentration scale. Such a difference is expected, but the scatter found suggests that care is needed when merging datasets from different laboratories. Examples of time series in the surface North Atlantic subpolar gyre illustrate the temporal changes in water isotope composition that can be detected with a carefully validated dataset.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,009
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,008

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 Opus0,013
Tête enseignante GPT0,211
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 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'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOceanographic and Atmospheric Processes→Travaux en français237 207→