MétaCan
Menu
← Retour à la cohorte
Enregistrement W4237555245 · doi:10.5194/bg-2017-286

Towards an assessment of riverine dissolved organic carbon in surface waters of the Western Arctic Ocean based on remote sensing and biogeochemical modeling

2017· preprint· en· W4237555245 sur OpenAlexaffabout
Vincent Le Fouest, Atsushi Matsuoka, Manfredi Manizza, Mona Shernetsky, Bruno Tremblay, Marcel Babin

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensMcGill UniversityUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésBiogeochemical cycleBiogeochemistryEnvironmental scienceArcticOceanographyDissolved organic carbonColored dissolved organic matterEcologyGeologyPhytoplanktonEnvironmental chemistryNutrientChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract. Future climate warming of the Arctic could potentially enhance the load of riverine dissolved organic carbon (RDOC) of Arctic rivers due to increased carbon mobilization within watersheds. A greater flux of RDOC might thus impact the biogeochemical processes of the coastal Arctic Ocean (AO). In this study, we show that estimates of RDOC concentrations in the surface waters of the Canadian Beaufort Sea computed for 2003–2011 by both optical remote sensing and a physical-biogeochemical coupled model compare favorably. Our results suggest that, over spring-summer, RDOC contributes to 35 % of primary production and that an equivalent of ~ 10 % of the riverine RDOC is exported westwards with a potential for fueling the biological production of the eastern Alaskan nearshore waters. The combination of model and satellite data can be extended to the entire AO to quantify the expected changes in RDOC fluxes and their potential impact on AO biogeochemistry. This is left for future work.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,437
Score d'incertitude au seuil0,870

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,018
Tête enseignante GPT0,258
Écart entre enseignants0,239 · 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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

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