MétaCan
Menu
Retour à la cohorte
Enregistrement W4283377869 · doi:10.1038/s41597-022-01459-3

A global ensemble of ocean wave climate statistics from contemporary wave reanalysis and hindcasts

2022· article· en· W4283377869 sur OpenAlexaff
Joao Morim, Li Erikson, Mark Hemer, Ian R. Young, X. Wang, Nobuhito Mori, Tomoya Shimura, Justin E. Stopa, Claire Trenham, Lorenzo Mentaschi, Sergey Gulev, Vitali Sharmar, Lucy Bricheno, Judith Wolf, Ole Johan Aarnes, Jorge Pérez, Jean‐Raymond Bidlot, Álvaro Semedo, Borja G. Reguero, Thomas Wahl

Notice bibliographique

RevueScientific Data · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésDownscalingHindcastMetadataClimatologySignificant wave heightEnvironmental scienceScale (ratio)Sea stateMeteorologyWind waveComputer scienceGeographyRemote sensingGeologyPrecipitationCartographyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract There are numerous global ocean wave reanalysis and hindcast products currently being distributed and used across different scientific fields. However, there is not a consistent dataset that can sample across all existing products based on a standardized framework. Here, we present and describe the first coordinated multi-product ensemble of present-day global wave fields available to date. This dataset, produced through the Coordinated Ocean Wave Climate Project (COWCLIP) phase 2, includes general and extreme statistics of significant wave height ( H s ), mean wave period ( T m ) and mean wave direction ( θ m ) computed across 1980–2014, at different frequency resolutions (monthly, seasonally, and annually). This coordinated global ensemble has been derived from fourteen state-of-the-science global wave products obtained from different atmospheric reanalysis forcing and downscaling methods. This data set has been processed, under a specific framework for consistency and quality, following standard Data Reference Syntax, Directory Structures and Metadata specifications. This new comprehensive dataset provides support to future broad-scale analysis of historical wave climatology and variability as well as coastal risk and vulnerability assessments across offshore and coastal engineering applications.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,855
Score d'incertitude au seuil0,832

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,061
Tête enseignante GPT0,242
Écart entre enseignants0,181 · 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 tête enseignante, 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

Citations39
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetOcean Waves and Remote SensingTravaux en français237 207