MétaCan
Menu
Retour à la cohorte
Enregistrement W6907954432 · doi:10.25394/pgs.29665895

<b>Observing Lake Michigan Evaporation Influence on Atmospheric Moisture Using Airborne Measurements of Stable Isotopologues in Water Vapor</b>

2025· dissertation· en· W6907954432 sur OpenAlexaboutno aff

Notice bibliographique

RevuePurdue · 2025
Typedissertation
Langueen
DomainePsychology
ThématiqueEducational Strategies and Epistemologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEvaporationWater vaporPlanetary boundary layerStable isotope ratioMoistureIsotopologueIsotopeStormHydrology (agriculture)

Résumé

récupéré en direct d'OpenAlex

The Great Lakes region offers opportunities for shipping and recreation and provides water for consumption to large parts of the United States and Canada. The Lakes themselves significantly influence the downwind states' and provinces' regional weather and climate. Seasonal storms and weather conditions driven by the Great Lakes are challenging to model due to simplifications of the processes involved in evaporation and atmospheric boundary conditions, such as transport, turbulence, and mixing. These processes are also difficult to measure directly, resulting in a lack of ground-truth data for validating models. Additional tracers of evaporation from the lake's surface and resulting boundary layer transport could enhance the understanding of these processes, and stable water vapor isotope tracers could fill that gap.In this thesis, I tested commonly used tubing types to determine if there was a superior material for atmospheric stable water vapor isotope analysis. All of the commonly used materials performed similarly. I also utilized Purdue’s Airborne Laboratory for Atmospheric Research (ALAR) to observe stable water vapor isotopes on a broad atmospheric scale. The lowest hundreds of meters of the atmospheric boundary layer above Lake Michigan showed an increase in water vapor mole fractions and shifts in the isotopic content from the flight observations, indicative of a lake internal boundary layer and lake evaporation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,227
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,064
Tête enseignante GPT0,348
Écart entre enseignants0,283 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePurdueMême sujetEducational Strategies and EpistemologiesTravaux en français237 207