MétaCan
Menu
Retour à la cohorte
Enregistrement W4398174520 · doi:10.1038/s41612-024-00657-7

Extratropical storms induce carbon outgassing over the Southern Ocean

2024· article· en· W4398174520 sur OpenAlexaff
Magdalena M. Carranza, Matthew C. Long, Alejandro Di Luca, Andrea J. Fassbender, Kenneth S. Johnson, Yuichiro Takeshita, Precious Mongwe, Katherine Turner

Notice bibliographique

Revuenpj Climate and Atmospheric Science · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesNational Science Foundation
Mots-clésExtratropical cycloneOutgassingClimatologyEnvironmental scienceStormStorm trackCarbon sinkAtmospheric sciencesForcing (mathematics)Southern HemisphereSink (geography)OceanographyClimate changeGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The strength and variability of the Southern Ocean carbon sink is a significant source of uncertainty in the global carbon budget. One barrier to reconciling observations and models is understanding how synoptic weather patterns modulate air-sea carbon exchange. Here, we identify and track storms using atmospheric sea level pressure fields from reanalysis data to assess the role that storms play in driving air-sea CO2exchange. We examine the main drivers of CO2fluxes under storm forcing and quantify their contribution to Southern Ocean annual air-sea CO2fluxes. Our analysis relies on a forced ocean-ice simulation from the Community Earth System Model, as well as CO2fluxes estimated from Biogeochemical Argo floats. We find that extratropical storms in the Southern Hemisphere induce CO2outgassing, driven by CO2disequilibrium. However, this effect is an order of magnitude larger in observations compared to the model and caused by different reasons. Despite large uncertainties in CO2fluxes and storm statistics, observations suggest a pivotal role of storms in driving Southern Ocean air-sea CO2outgassing that remains to be well represented in climate models, and needs to be further investigated in observations.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,007
Tête enseignante GPT0,218
Écart entre enseignants0,211 · 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'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

Citations13
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuenpj Climate and Atmospheric ScienceMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207