MétaCan
Menu
Retour à la cohorte
Enregistrement W4403880618 · doi:10.5194/sp-2024-26

A description of existing Operational Ocean Forecasting Services around the Globe

2024· preprint· en· W4403880618 sur OpenAlexaff
Mauro Cirano, Enrique Álvarez-Fanjul, Arthur Capet, Stefania Angela Ciliberti, Emanuela Clementi, Boris Dewitte, Matías G. Dinápoli, Ghada El Serafy, Patrick Hogan, Sudheer Joseph, Yasumasa Miyazawa, Ivonne Montès, Diego A. Narváez, Heather Regan, Claudia G. Simionato, Clemente A. S. Tanajura, Pramod Thupaki, Claudia Urbano-Latorre, Jennifer Veitch

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlobeBusinessComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract. Predicting the ocean state in support of human activities, environmental monitoring and policymaking across different regions worldwide is fundamental and require numerical strategies that have to address their physical peculiarities. The Authors provide an outlook on the status of operational ocean forecasting systems in 8 key regions in the world ocean: the West Pacific and Marginal Seas of South and East Asia, the Indian Ocean, the African Seas, the Mediterranean and Black Sea, the North-East Atlantic, the South and Central America Seas, the North America and the Arctic. Starting from the specific regional challenges to address, the Authors discuss on the numerical strategy and available operational systems, pointing out the straightness and the ways forward to improve the essential ocean variables predictability from regional to coastal scales, products reliability and accuracy. This compendium is a baseline to understand the worldwide offer, showing how the heterogeneity of the physical characteristics of ocean dynamics can be addressed thanks to a systematic and regular provisioning of predictions.

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 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 enseignants0,157
Score d'incertitude au seuil0,686

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,093
Tête enseignante GPT0,309
Écart entre enseignants0,216 · 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 tête enseignante, 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetReservoir Engineering and Simulation MethodsTravaux en français237 207