MétaCan
Menu
Retour à la cohorte
Enregistrement W4321495189 · doi:10.5194/egusphere-egu23-1173

Multiscale analysis of typhoon-induced oceanic responses: A Case Study of Typhoon Kalmaegi in the South China Sea

2023· preprint· en· W4321495189 sur OpenAlexaff
Gang Li, Yijun He, Yang Yang, Guoqiang Liu, Xiaojie Lu, William Perrie

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueTropical and Extratropical Cyclones Research
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésTyphoonAdvectionMesoscale meteorologyVorticityClimatologyGeologyEnvironmental scienceMeteorologyPhysicsVortex

Résumé

récupéré en direct d'OpenAlex

A localized multiscale energetics framework is used to study the multiscale typhoon-induced upper oceanic responses, in the case of Typhoon Kalmaegi in the South China Sea. A diagnostic methodology of the time-varying energetics, on the basis of the multiscale window transform (MWT) —namely, localized multiscale energy and vorticity analysis (MS-EVA) decomposes HYCOM variable fields into a low-frequency background flow window, a mid-frequency flow window and a high-frequency process window. The background window represents mesoscale processes and Kuroshio currents well and the mid-frequency window captures near-inertial processes influenced by typhoon-induced wind stresses. The scale-scale kinetic energy transfers from the near-inertial window to the background window, mainly on the right-hand side of the typhoon track. Advection and pressure work redistribute energy contribute to the accumulation of kinetic energy in the mid-frequency flow window and enhances ocean mixing. Negative vorticity has a significant impact on the distribution and downward propagation of the near-inertial energy, leading to heterogeneity in the mixing of the upper ocean. We offer new insights into understanding the multiscale interactions between typhoons and the upper ocean.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,080
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,089
Tête enseignante GPT0,324
Écart entre enseignants0,235 · 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.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTropical and Extratropical Cyclones ResearchTravaux en français237 207