MétaCan
Menu
Retour à la cohorte
Enregistrement W4281684296 · doi:10.5194/gmd-15-4393-2022

Ocean biogeochemistry in the Canadian Earth System Model version 5.0.3: CanESM5 and CanESM5-CanOE

2022· article· en· W4281684296 sur OpenAlexaffabout
James R. Christian, Kenneth L. Denman, Hakase Hayashida, Amber M. Holdsworth, Warren G. Lee, Olivier G. J. Riche, Andrew Shao, Nadja Steiner, Neil C. Swart

Notice bibliographique

RevueGeoscientific model development · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensUniversity of VictoriaFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésBiogeochemistryPlanktonEnvironmental sciencePhytoplanktonOceanographyEcosystem modelNew productionEcosystemOcean currentBiosphereIron fertilizationNitrateNutrientGeologyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract. The ocean biogeochemistry components of two new versions of the Canadian Earth System Model (CanESM) are presented and compared to observations and other models. CanESM5 employs the same ocean biology model as CanESM2, whereas CanESM5-CanOE (Canadian Ocean Ecosystem model) is a new, more complex model developed for CMIP6, with multiple food chains, flexible phytoplankton elemental ratios, and a prognostic iron cycle. This new model is described in detail and the outputs (distributions of major tracers such as oxygen, dissolved inorganic carbon, and alkalinity, the iron and nitrogen cycles, plankton biomass, and historical trends in CO2 uptake and export production) compared to CanESM5 and CanESM2, as well as to observations and other CMIP6 models. Both CanESM5 models show gains in skill relative to CanESM2, which are attributed primarily to improvements in ocean circulation. CanESM5-CanOE shows improved skill relative to CanESM5 for most major tracers at most depths. CanESM5-CanOE includes a prognostic iron cycle, and maintains high-nutrient/low-chlorophyll conditions in the expected regions (in CanESM2 and CanESM5, iron limitation is specified as a temporally static “mask”). Surface nitrate concentrations are biased low in the subarctic Pacific and equatorial Pacific, and high in the Southern Ocean, in both CanESM5 and CanESM5-CanOE. Export production in CanESM5-CanOE is among the lowest for CMIP6 models; in CanESM5, it is among the highest, but shows the most rapid decline after about 1980. CanESM5-CanOE shows some ability to simulate aspects of plankton community structure that a single-species model can not (e.g. seasonal dominance of large cells) but is biased towards low concentrations of zooplankton and detritus relative to phytoplankton. Cumulative ocean uptake of anthropogenic carbon dioxide through 2014 is lower in both CanESM5-CanOE (122 PgC) and CanESM5 (132 PgC) than in observation-based estimates (145 PgC) or the model ensemble mean (144 PgC).

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)0,003
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 enseignants0,029
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 GPT0,162
Écart entre enseignants0,150 · 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

Citations60
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeoscientific model developmentMême sujetMarine and coastal ecosystemsTravaux en français237 207