MétaCan
Menu
Retour à la cohorte
Enregistrement W7010428465

Interannual variations of heat and freshwater content in the cold water dome of the Labrador Sea

2021· other· ru· W7010428465 sur OpenAlexaboutno aff

Notice bibliographique

RevueResearch Repository Saint Petersburg State University (Saint Petersburg State University) · 2021
Typeother
Langueru
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDome (geology)Hydrology (agriculture)Sea surface temperatureWater content
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

В данной работе исследована межгодовая изменчивость теплосодержания и содержания пресной воды в море Лабрадор. Для расчетов использовался массив ARMOR-3D (1993–2016 гг.), в котором скомбинированы натурные и спутниковые наблюдения. Были выявлены значимые тенденции увеличения теплосодержания и уменьшения содержания пресной воды в верхнем 500-метровом слое за исследуемый период. В межгодовой изменчивости теплосодержания и содержания пресной воды были выделены доминирующие циклы продолжительностью 2–4 года и 5–8 лет. Выявлена высокая отрицательная корреляция теплосодержания моря Лабрадор с индексом Северо-Атлантической осцилляции (NAOI), тогда как с индексами Атлантической мультидекадной осцилляции (AMOI) и Арктической океанической осцилляции (AOOI) корреляции были не значимы. Было установлено, что изменение интенсивности теплообмена с атмосферой, а также океанического притока тепла с задержкой на 3-4 года является основными причинами связи теплосодержания верхнего слоя моря Лабрадор с NAOI. \nПри близких к нулю временных сдвигах были выделены также отрицательные корреляции теплосодержания с NAOI в море Ирмингера и прилегающих акваториях Северной Атлантики, и положительные – вдоль потока атлантических вод в морях Северо-Европейского бассейна. Через 8 лет корреляции меняют знак. Расчет интенсивности океанической адвекции тепла показал, что одновременное с увеличением притока тепла в моря Лабрадор и Ирмингера наблюдается уменьшение притока тепла в Северо-Европейский бассейн.

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)0,000
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 enseignants0,044
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,030
Tête enseignante GPT0,243
Écart entre enseignants0,213 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Repository Saint Petersburg State University (Saint Petersburg State University)Travaux en français237 207