MétaCan
Menu
Retour à la cohorte
Enregistrement W6908684861 · doi:10.3389/fmars.2021.793217.s001

Data_Sheet_1_The Impacts of Freshwater Input and Surface Wind Velocity on the Strength and Extent of a Large High Latitude River Plume.docx

2022· dataset· en· W6908684861 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2022
Typedataset
Langueen
DomaineArts and Humanities
ThématiqueArt, Technology, and Culture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOutflowPlumeGlobal wind patternsDischargeLatitudeCurrent (fluid)Forcing (mathematics)Terrigenous sedimentWind stress

Résumé

récupéré en direct d'OpenAlex

<p>Arctic Ocean physical and biogeochemical properties are strongly influenced by freshwater input from land and through the Bering Strait, where the mean currents transport water northward from the Bering Sea. The Yukon River is one of the largest rivers in North America and the Arctic, contributing large quantities of freshwater and terrigenous material to the coastal ocean in the northern Bering Sea. However, a detailed analysis of the coastal hydrodynamics at the outflow of the river has not been conducted in this remote but regionally important river. A three-dimensional hydrodynamic model was built to represent the lower Yukon River and coastal ocean for the ice-free months in 7 years. On average, a large anticyclonic eddy persisted at the main outflow of the Yukon that recirculates water back toward the coast where the currents converge to form a mean northward transport along the delta. Interannual spatial variance in salinity was relatively small, while there was substantial variance in u and v current velocity. u velocity spatial variance was correlated to the volume of freshwater discharge across years, while v velocity spatial variance was correlated to the N–S wind velocity. During strong wind events, plume structure was substantially altered: southerly winds deepened the plume and enhanced northward transport, while northerly winds shoaled and strengthened the pycnocline, and reversed the flow toward the south. The variability in plume dispersion on short time scales due to wind forcing has implications for where terrigenous material is processed in and settles out of the water column.</p>

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,554
Score d'incertitude au seuil0,637

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 ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,5540,000

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 Opus0,029
Tête enseignante GPT0,241
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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetArt, Technology, and CultureTravaux en français237 207