MétaCan
Menu
Retour à la cohorte
Enregistrement W7083724331 · doi:10.11922/11-6035.csd.2024.0185.zh

A dataset of CTD temperature and salinity observations from Chinese Arctic scientific expeditions (1999–2021)

2025· article· en· W7083724331 sur OpenAlexaboutno aff

Notice bibliographique

RevueChina Scientific Data · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCTDArcticSalinityThe arcticSea surface temperatureRaw dataSea iceClimate change

Résumé

récupéré en direct d'OpenAlex

From 1999 to 2021, China carried out 12 Arctic scientific expeditions, during which a large amount of valuable polar marine hydrological survey data was collected. CTD survey equipment over the years included the MARKⅢ C CTD (for the 1st and 2nd expeditions) and the SBE911 Plus CTD (for the 3rd to 12th expeditions). Data on conductivity, temperature, and depth of the marine vertical sections were obtained through fixed-point deployments. The survey areas covered key regions such as the Central Arctic Passage, the Chukchi Sea, the Chukchi Sea Shelf, the Canadian Basin, the Bering Strait, the Bering Sea, the Nordic Seas, and the Pacific sector of the Arctic Ocean. The raw data were processed and quality-controlled through processes such as data format conversion, data editing, filtering and lag processing, conductivity correction, heave correction, calculation of derived parameters, generation of iso-depth spacing files, and output of ASCII files, resulting in a dataset with a vertical resolution of 1m. The dataset contains variables such as time, longitude, latitude, pressure, depth, temperature, salinity, density, sound speed, and potential temperature. The quality of the processed data was further evaluated by comparing the data differences between the two sensors of the same variable and drawing the T-S point aggregation diagram. After eliminating outliers, the differences between paired temperature and salinity sensors remained within reasonable limits, confirming the high quality of the processed dataset. This dataset provides valuable in-situ observations for the study of water mass distribution, circulation patterns, marine environmental changes, and global climate change in the Arctic Ocean.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil0,258

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,008
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,010

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 Opus0,050
Tête enseignante GPT0,294
Écart entre enseignants0,244 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChina Scientific DataMême sujetGeochemistry and Geologic MappingTravaux en français237 207