MétaCan
Menu
Retour à la cohorte
Enregistrement W4392704285 · doi:10.5194/egusphere-2024-692

Technical note: Ocean Alkalinity Enhancement Pelagic Impact Intercomparison Project (OAEPIIP)

2024· preprint· en· W4392704285 sur OpenAlexaff
Lennart T. Bach, Aaron Ferderer, Julie LaRoche, Kai G. Schulz

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPelagic zoneAlkalinityOceanographyEnvironmental scienceClimatologyGeologyChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract. Ocean Alkalinity Enhancement (OAE) aims to transfer carbon dioxide (CO2) from the atmosphere to the ocean by increasing the capacity of seawater to store CO2. The potential effects of OAE-induced changes in seawater chemistry on marine biology must be assessed to understand if OAE, operated at a climate relevant scale, would be environmentally sustainable. Here, we describe the design of the Ocean Alkalinity Enhancement Pelagic Impact Intercomparison Project (OAEPIIP) – a standardised OAE microcosm experiment with plankton communities to be conducted worldwide. OAEPIIP provides funding for participating laboratories to conduct OAE experiments in their local environments. This paper constitutes a detailed manual on the standardised methodology that shall be adopted by all OAEPIIP participants. The individual studies will provide new insights into how plankton communities respond to OAE. The synthesis of these standardized studies, without publication bias, will reveal common OAE-responses that occur across geographic and environmental gradients and are therefore particularly important to determine. The funding available to OAEPIIP and resulting data will be shared to maximise its value and the accessibility. The globally coordinated effort has potential to promote scientific consensus about the potential effects of OAE on diverse plankton communities. Such consensus, through inclusion of the global community, will provide a sounder base to facilitate political decision making whether OAE should be upscaled or not.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,471
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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)0,0060,002

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 GPT0,331
Écart entre enseignants0,299 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOcean Acidification Effects and ResponsesTravaux en français237 207