MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392846932 · doi:10.5194/egusphere-egu24-5985

Surface density fluxes and water mass transformation over global oceans from reanalysis and climate models

2024· preprint· en· W4392846932 sur OpenAlexaboutno aff
Vladimir Kukushkin, Sergey Gulev, Margarita Markina

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceClimatologyTransformation (genetics)Climate modelAtmospheric sciencesSurface waterClimate changeOceanographyGeologyChemistry

Résumé

récupéré en direct d'OpenAlex

We analyze interannual and seasonal variability of surface density fluxes and water mass transformation rates over the global oceans for 1979-2018 using data from CFSR reanalysis and historical simulations by climate models. By analyzing density fluxes we quantify the the effect of surface heat and mass fluxes onto the formation of surface waters in the World Ocean. First, by using net fluxes from CFSR reanalysis we derive global climatology of surface density flux and further integrate it for density classes and T,S-classes, providing global and regional view of surface water mass transformation and its variability in space and in time. We precisely looked onto the role of salinity and sea ice formation in the density flux during the winter period. On average, the contribution of salinity to sea ice formation results in the differences of 9% in the density flux with the maximum effect of 12% identified in 1989. Interdecadal variability in surface transformation of the subpolar modal water and Labrador Sea waters shows opposite tendencies for the last decades. Then we analyze historical experiments from CMIP6 model ensemble and compare characteristics of surface water mass transformation with those revealed from reanalysis. We conclude that surface density fluxes and transformation rates derived from INM, MPI and MIROC are stronger compared to those diagnosed by CFSR with the largest differences identified over the Gulf Stream and the North Atlantic Current. For the same models we derive projections of surface density fluxes and surface water mass transformation for 2100 under ssp126, ssp370 and ssp585 scenarios. For all SSP scenarios, computations show a decrease in the magnitude of surface water mass transformation by the end of the century.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,204
Écart entre enseignants0,194 · 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'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOceanographic and Atmospheric Processes→Travaux en français237 207→