MétaCan
Menu
Retour à la cohorte
Enregistrement W4293694868 · doi:10.1038/s43247-022-00530-6

Thick and old sea ice in the Beaufort Sea during summer 2020/21 was associated with enhanced transport

2022· article· en· W4293694868 sur OpenAlexafffundabout
G. W. K. Moore, Michael Steele, Axel Schweiger, Jinlun Zhang, Kristin L. Laidre

Notice bibliographique

RevueCommunications Earth & Environment · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesOffice of Polar ProgramsOffice of Naval ResearchNatural Sciences and Engineering Research Council of CanadaNuclear Safety and Security CommissionWorld Wildlife FundNational Aeronautics and Space AdministrationNational Science Foundation
Mots-clésSea iceArctic sea ice declineArctic ice packOceanographyCryosphereBeaufort scaleAntarctic sea iceBeaufort seaDrift iceArcticClimatologyGeologySea ice thicknessAdvectionEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Abstract The Arctic Ocean has seen a remarkable reduction in sea ice coverage, thickness and age since the 1980s. These changes are most pronounced in the Beaufort Sea, with a transition around 2007 from a regime dominated by multi-year sea ice to one with large expanses of open water during the summer. Using satellite-based observations of sea ice, an atmospheric reanalysis and a coupled ice-ocean model, we show that during the summers of 2020 and 2021, the Beaufort Sea hosted anomalously large concentrations of thick and old ice. We show that ice advection contributed to these anomalies, with 2020 dominated by eastward transport from the Chukchi Sea, and 2021 dominated by transport from the Last Ice Area to the north of Canada and Greenland. Since 2007, cool season (fall, winter, and spring) ice volume transport into the Beaufort Sea accounts for ~45% of the variability in early summer ice volume—a threefold increase from that associated with conditions prior to 2007. This variability is likely to impact marine infrastructure and ecosystems.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,792

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 ouverte0,0010,000
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 Opus0,013
Tête enseignante GPT0,196
Écart entre enseignants0,183 · 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'étudeObservationnel
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

Citations26
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207