MétaCan
Menu
← Retour à la cohorte
Enregistrement W4220900137 · doi:10.5194/egusphere-egu22-2274

Eddies and the distribution of eddy kinetic energy in the Arctic Ocean

2022· preprint· en· W4220900137 sur OpenAlexaboutno aff
Wilken‐Jon von Appen, Till M. Baumann, Markus Janout, Nikolay Koldunov, Yueng‐Djern Lenn, Robert S. Pickart, Robert B. Scott, Qiang Wang

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSea iceOceanographyArcticBoundary currentMesoscale meteorologyArctic sea ice declineGeologyEddyHaloclineArctic ice packClimatologyArctic dipole anomalyCanada BasinCircumpolar starDrift iceOcean currentGeographyMeteorologySalinity

Résumé

récupéré en direct d'OpenAlex

Mesoscale eddies are important for many aspects of the dynamics of the Arctic Ocean. These include the maintenance of the halocline and the Atlantic Water boundary current through lateral eddy fluxes, shelf-basin exchanges, transport of biological material and sea ice, and the modification of the sea-ice distribution. Here we review what is known about the mesoscale variability and its impacts in the Arctic Ocean in the context of an Arctic Ocean responding rapidly to climate change. In addition, we present the first quantification of eddy kinetic energy (EKE) from moored observations across the entire Arctic Ocean, which we compare to output from an eddy resolving numerical model. We show that EKE is largest in the northern Nordic Seas/Fram Strait and it is also elevated along the shelfbreak of the Arctic Circumpolar Boundary Current, especially in the Beaufort Sea. In the central basins it is 100-1000 times lower. Except for the region affected by southward sea-ice export south of Fram Strait, EKE is stronger when sea-ice concentration is low compared to dense ice cover. Areas where conditions typical in the Atlantic and Pacific prevail will increase. Hence, we conclude that the future Arctic Ocean will feature more energetic mesoscale variability.

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 enseignants0,011
Score d'incertitude au seuil0,023

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
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,196
Écart entre enseignants0,188 · 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

Citations23
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→