MétaCan
Menu
← Retour à la cohorte
Enregistrement W4220875483 · doi:10.5194/egusphere-egu22-7991

Total ozone loss during the 2021/22 Arctic winter and comparison to previous years

2022· preprint· en· W4220875483 sur OpenAlexaff
Andréa Pazmiño, F. Goutail, Jean‐Pierre Pommereau, Franck Lefèvre, Sophie Godin‐Beekmann, Alain Hauchecorne, Audrey Lecouffe, Martyn P. Chipperfield, Wuhu Feng, Michel Van Roozendaël, Nis Jepsen, Georg Hansen, Rigel Kivi, Ramina Alwarda, Kimberly Strong, Kaley A. Walker

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOzoneArcticOzone depletionEnvironmental scienceAtmospheric sciencesClimatologyPolar vortexThe arcticMeteorologyPhysicsOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

The amplitude and rate of ozone depletion in the Arctic is monitored every year since 1994 by comparison between SAOZ UV-Vis ground-based network from NDACC and Multi-Sensor Reanalysis 2 (MSR-2) total ozone measurements over 8 stations in the Arctic and 3-D chemical transport model simulations in which ozone is considered as a passive tracer. The passive ozone method allows determining the cumulative loss at the end of the winter. The amplitude of the destruction varies between 0-10% in relatively warm and short vortex duration years to 25-38% in colder and longer ones, which the record winters estimated in 2010/2011 and 2019/2020. In this study, the interannual variability of 10-days average rate of 2021/2022 winter will be analyzed and compared to previous years. In addition, SAOZ NO2 data will be used to evaluate re-noxification in the Arctic. The long-term ozone loss series estimated from measurements will be compared to REPROBUS and SLIMCAT CTM simulations. Relationship with illuminated Polar Stratospheric Clouds will be also presented.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,056
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,012
Tête enseignante GPT0,236
Écart entre enseignants0,223 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric Ozone and Climate→Travaux en français237 207→