MétaCan
Menu
Retour à la cohorte
Enregistrement W4412571151 · doi:10.1080/07055900.2025.2530439

Statistical Modes and Physical Drivers of Multidecadal Sea Surface Temperature Variability in the Northwest Atlantic

2025· article· en· W4412571151 sur OpenAlexafffundvenue
Jonathan Coyne, Eric C. J. Oliver

Notice bibliographique

RevueATMOSPHERE-OCEAN · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAtlantic multidecadal oscillationSea surface temperatureEnvironmental scienceClimatologyAtlantic hurricaneOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

Variations in ocean temperature and the presence of large multidecadal sea surface temperature (SST) oscillation can have a severe impact on Northwest Atlantic climate, ecosystems and fisheries. Differences between historical SST datasets in the regions have also been consistently noted. When determining patterns of variability in Northwest Atlantic SST, steps should be taken to consider cross-dataset variability. Here, a novel combined-dataset approach from 1901 to 2010 was used along with an extended empirical orthogonal function (EEOF) analysis to determine the leading modes of variability over the Northwest Atlantic shelf and slope. Second, a mixed-layer heat budget from 1850 to 2015 was used to determine the dominant physical processes driving yearly-to-multidecadal variability across the Northwest Atlantic shelf and slope. Results from the EEOF suggest that positive Atlantic Multidecadal Oscillation (AMO) years are driven by positive North Atlantic Oscillation years (NAO).

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,144
Score d'incertitude au seuil0,894

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 recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,234
Écart entre enseignants0,227 · 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'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

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueATMOSPHERE-OCEANMême sujetClimate variability and modelsTravaux en français237 207