GOHSnap: Updates from the field
Notice bibliographique
Résumé
Over the last century, the ocean has become steadily more depleted in oxygen while also absorbing about 25% of the anthropogenic carbon dioxide added to the atmosphere each year. Therefore, observing gas uptake and transport processes is essential for understanding and predicting the evolution of the ocean and climate system. While it is often assumed that a slowdown in the AMOC will lead to deoxygenation of the deep ocean and a decrease in the uptake and storage of carbon, we have never had observations sufficient to test these assumptions. In this talk, I will describe a collaborative project called Gases in the Overturning and Horizontal circulation of the Subpolar North Atlantic Program (GOHSNAP), in which we deployed oxygen sensors over the full depth of OSNAP moorings in the Labrador Current and on both sides of Cape Farewell, Greenland, and pCO2 sensors at few key locations near the ocean's surface. We are using these additions to the moored array to investigate the rates and processes governing gas exchange and separate the role of the overturning and horizontal circulation on the export of gases from the Labrador Sea. The first gas sensor data from this program was recovered in summer of 2022, so the emphasis of this talk will be on the hydrographic data that led to GOHSNAP's hypotheses, tips and tricks for collecting oxygen data on moorings, and a sneak peek of preliminary results.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,263 | 0,226 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».