MétaCan
Menu
Retour à la cohorte
Enregistrement W4224235797 · doi:10.3390/cli10040059

Exploring AMOC Regime Change over the Past Four Decades through Ocean Reanalyses

2022· article· en· W4224235797 sur OpenAlexaboutno aff
Vincenzo de Toma, Vincenzo Artale, Chunxue Yang

Notice bibliographique

RevueClimate · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOcean gyreClimatologySubtropicsGulf StreamSea surface temperatureEnvironmental scienceOceanographyNorth Atlantic oscillationBarotropic fluidThermohaline circulationCoupled model intercomparison projectClimate changeGeologyClimate model

Résumé

récupéré en direct d'OpenAlex

We examine North Atlantic climate variability using an ensemble of ocean reanalysis datasets to study the Atlantic Meridional Overturning Circulation (AMOC) from 1979 to 2018. The dataset intercomparison shows good agreement for the latest period (1995–2018) for AMOC dynamics, characterized by a weaker overturning circulation after 1995 and a more intense one during 1979–1995, with varying intensity across the various datasets. The correlation between leading empirical orthogonal functions suggests that the AMOC weakening has connections with cooler (warmer) sea surface temperature (SST) and lower (higher) ocean heat content in the subpolar (subtropical) gyre in the North Atlantic. Barotropic stream function and Gulf Stream index reveal a shrinking subpolar gyre and an expanding subtropical gyre during the strong-AMOC period and vice versa, consistently with Labrador Sea deep convection reduction. We also observed an east–west salt redistribution between the two periods. Additional analyses show that the AMOC variability is related to the North Atlantic Oscillation phase change around 1995. One of the datasets included in the comparison shows an overestimation of AMOC variability, notwithstanding the model SST bias reduction via ERA-Interim flux adjustments: further studies with a set of numerical experiments will help explain this behavior.

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 enseignants0,031
Score d'incertitude au seuil0,062

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
Bibliométrie0,0010,001
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 Opus0,242
Tête enseignante GPT0,299
Écart entre enseignants0,057 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClimateMême sujetClimate variability and modelsTravaux en français237 207