Distribution, Sources, and Dynamics of Particulate Matter Along Trans-Arctic Sections
Notice bibliographique
Résumé
In order to better understand the sources, sinks and hydrodynamic/biogeochemical influences on particulate matter distribution and variability in Arctic basins, we combined data from two 2015 fall expeditions: one from Bering Strait (USCGC Healy) and the other from Barents Sea (R/V Polarstern) meeting at the North Pole. Sections of beam attenuation due to particles were overlain by salinity, temperature, and chlorophyll-a fluorescence (Chl-a), and with nitrate contours on Chl-a sections to compare with concentrations of particulate matter (PM) and particulate organic carbon (POC) from full water column filtered samples. Dense Pacific water moving swiftly through Bering Strait erodes and carries sediment-laden waters onto the Chukchi Shelf, much of it moving in and above Barrow Canyon or is entrained in eddies. This nutrient-rich Pacific water sinks below the low-salinity, nutrient-poor polar mixed layer, forming a thick lens of high salinity water known as Pacific halocline waters. The nutrient-poor mixed layer inhibits photosynthesis in surface waters of Canada and Makarov Basins, but subsurface Chl-a maxima are observed when nutrients are available. Surface-water POC biomass appears greater in Barents Sea than in Beaufort Sea because nutrient-rich Atlantic water entering Barents Sea is not isolated from surface waters by strong stratification. Surface water freezes, creating high-density water that cascades into 400 m basins in Barents Sea and into deep Nansen Basin, eroding sediment that forms patches of nepheloid layers in the shallow basins. Nepheloid layers in the deep basins are very weak, consistent with a lack of strong currents there.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».