MétaCan
Menu
Retour à la cohorte
Enregistrement W4416203157 · doi:10.1126/sciadv.adw9958

Robust increase in observed heat storage by the global subsurface

2025· article· en· W4416203157 sur OpenAlexafffund
Francisco José Cuesta‐Valero, Almudena García‐García, Hugo Beltrami, Félix García‐Pereira, J. Fidel González‐Rouco, Jian Peng

Notice bibliographique

RevueScience Advances · 2025
Typearticle
Langueen
DomaineEnergy
ThématiqueGeothermal Energy Systems and Applications
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesNextGenerationEUMinisterio para la Transición Ecológica y el Reto DemográficoNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsAlexander von Humboldt-Stiftung
Mots-clésPermafrostBiogeochemical cycleSatelliteThermal energy storageEarth system scienceClimate changeGeothermal energyGlobal warmingScale (ratio)

Résumé

récupéré en direct d'OpenAlex

Changes in heat storage within the different components of the climate system alter physical and biogeochemical phenomena relevant for human societies and ecosystems. Among such processes, permafrost thawing, soil carbon storage, and surface energy exchanges depend on the persistent heat gain by the continental subsurface. Nevertheless, there are not enough data to estimate ground heat storage at the global scale after the year 2000. We solve this problem by expanding the database of geothermal data with remote sensing observations from satellite platforms. Estimates from satellite data show a heat gain between 16.4 ± 3.4 and 21.78 ± 0.62 zettajoules during the past six decades. The global ground heat storage presents a positive acceleration between 0.16 ± 0.15 and 0.624 ± 0.032 zettajoules per square decade, similarly to the rest of components of the Earth heat inventory. The planned satellite missions ensure the monitoring of the land component of the Earth heat inventory in the future.

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 enseignants0,004
Score d'incertitude au seuil0,007

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 Opus0,019
Tête enseignante GPT0,261
Écart entre enseignants0,242 · 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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetGeothermal Energy Systems and ApplicationsTravaux en français237 207