Effects of the Pandemic on Observing the Global Ocean
Notice bibliographique
Résumé
Abstract The years since 2000 have been a golden age in in situ ocean observing with the proliferation and organization of autonomous platforms such as surface drogued buoys and subsurface Argo profiling floats augmenting ship-based observations. Global time series of mean sea surface temperature and ocean heat content are routinely calculated based on data from these platforms, enhancing our understanding of the ocean’s role in Earth’s climate system. Individual measurements of meteorological, sea surface, and subsurface variables directly improve our understanding of the Earth system, weather forecasting, and climate projections. They also provide the data necessary for validating and calibrating satellite observations. Maintaining this ocean observing system has been a technological, logistical, and funding challenge. The global COVID-19 pandemic, which took hold in 2020, added strain to the maintenance of the observing system. A survey of the contributing components of the observing system illustrates the impacts of the pandemic from January 2020 through December 2021. The pandemic did not reduce the short-term geographic coverage (days to months) capabilities mainly due to the continuation of autonomous platform observations. In contrast, the pandemic caused critical loss to longer-term (years to decades) observations, greatly impairing the monitoring of such crucial variables as ocean carbon and the state of the deep ocean. So, while the observing system has held under the stress of the pandemic, work must be done to restore the interrupted replenishment of the autonomous components and plan for more resilient methods to support components of the system that rely on cruise-based measurements.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».