Estimating marine carbon uptake in the northeast Pacific using a neural network approach
Notice bibliographique
Résumé
The global ocean takes up nearly a quarter of anthropogenic CO 2 emissions annually, but the variability in this uptake at regional scales remains poorly understood. Here we use a neural network approach to interpolate sparse observations, creating a monthly gridded seawater partial pressure of CO 2 ( p CO 2 ) data product from January 1998 to December 2019, at 1/12 ∘ × 1/12 ∘ spatial resolution, in the northeast Pacific open ocean, a net sink region. The data product (ANN-NEP; NCEI Accession 0277836) was created from p CO 2 observations within the 2021 version of the Surface Ocean CO 2 Atlas (SOCAT) and a range of predictor variables acting as proxies for processes affecting p CO 2 to create nonlinear relationships to interpolate observations at a spatial resolution 4 times greater than leading global products and with better overall performance. In moving to a higher resolution, we show that the internal division of training data is the most important parameter for reducing overfitting. Using our p CO 2 product, wind speed, and atmospheric CO 2 , we evaluate air–sea CO 2 flux variability. On sub-decadal to decadal timescales, we find that the upwelling strength of the subpolar Alaskan Gyre, driven by large-scale atmospheric forcing, acts as the primary control on air–sea CO 2 flux variability ( r 2 =0.93, p <0.01). In the northern part of our study region, divergence from atmospheric CO 2 is enhanced by increased local wind stress curl, enhancing upwelling and entrainment of naturally CO 2 -rich subsurface waters, leading to decade-long intervals of strong winter outgassing. During recent Pacific marine heat waves from 2013 on, we find enhanced atmospheric CO 2 uptake (by as much as 45 %) due to limited wintertime entrainment. Our product estimates long-term surface ocean p CO 2 increase at a rate below the atmospheric trend (1.4 ± 0.1 µatm yr −1 ) with the slowest increase in the center of the subpolar gyre where there is strong interaction with subsurface waters. This mismatch suggests the northeast Pacific Ocean sink for atmospheric CO 2 may be increasing.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».