MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389258968 · doi:10.5194/egusphere-2023-2014-ac2

Reply on RC2

2023· peer-review· en· W4389258968 sur OpenAlexafffundabout
Laura Bianucci

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesFisheries and Oceans Canada
Mots-clésFjordOceanographyAdvectionEnvironmental scienceEstuarine water circulationWater massDetritusEstuaryArcticGeologyForcing (mathematics)Climatology

Résumé

récupéré en direct d'OpenAlex

Abstract. Fjords are common geomorphological coastal features in the mid- and high-latitudes, carved by glacial erosion. These deep nearshore zones connect watersheds and oceans, typically behaving as an estuary. Many fjords in the world have shown concerning warming and deoxygenation trends in their deep waters, sometimes at faster rates than the open ocean. While that is the case in several fjords of British Columbia (BC), Canada, some of the same fjords have shown that strong Arctic outflow wind events in winter can lead to cooling and reoxygenation of subsurface waters, with effects lasting until the following autumn. The latter was observed in Bute Inlet, BC in 2019. We used a high-resolution, three-dimensional ocean model to investigate the mechanisms allowing for the persistence of these subsurface conditions through the year. The presence of the subsurface cold water mass reduced the already weak residual circulation, changing its vertical structure from three to four layers. The reduction of mixing and advection allowed for the water mass to stay in place until autumn conditions arrived (i.e., strong wind mixing and reduced freshwater forcing). The identification of mechanisms that allow for the persistence of cold and oxygenated conditions are key to understand potential areas of ecological refugia in a warming and deoxygenating 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,145
Score d'incertitude au seuil0,484

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,003
Science ouverte0,0030,002
Intégrité de la recherche0,0170,014
Charge utile insuffisante (le modèle a refusé de juger)0,1450,108

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 Opus0,032
Tête enseignante GPT0,266
Écart entre enseignants0,234 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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'admission3
Résumé présentoui

Explorer davantage

Même sujetArctic and Antarctic ice dynamics→Travaux en français237 207→