Karaktersitik Pola Arus Laut di Perairan Selat Sunda Periode Tahun 2013 – 2023
Notice bibliographique
Résumé
Penelitian ini mengkaji karakteristik pola arus permukaan laut di Perairan Selat Sunda menggunakan data arus model numerik dari Marine Copernicus selama periode 2013 – 2023. Analisis dilakukan untuk mengidentifikasi arah dan kecepatan arus pada periode musiman, yaitu musim barat (Desember – Januari – Februari), musim peralihan I (Maret – April – Mei), musim timur (Juni – Juli – Agustus), dan musim peralihan II (September – Oktober – November). Data arus model Marine Copernicus diverifikasi terhadap data pengamatan High Frequency (HF) Radar menggunakan metode statistik koefisien korelasi Pearson (r) dan Root Mean Square Error (RMSE), menghasilkan nilai r sebesar 0.77 dan RMSE 0.26 m/s, menunjukkan tingkat akurasi yang baik. Hasil analisis menunjukkan bahwa pada musim barat, arus dominan menuju ke timur laut dengan kecepatan rata-rata 0.5 – 1.0 m/s dan maksimum 1.5 – 2.0 m/s. Pada musim peralihan I, arus menuju ke timur laut dengan kecepatan rata – rata 0.75 – 1.25 m/s dan maksimum 1.5 – 2.0 m/s. Pada musim timur, arus dominan menuju ke barat daya dengan kecepatan rata – rata 1.25 – 1.75 m/s dan maksimum 1.5 – 2.0 m/s. Pada musim peralihan II, arus menunjukkan arah tidak beraturan menuju barat dan timur, dengan kecepatan rata – rata 1.0–1.5 m/s dan maksimum 1.5 – 2.0 m/s. Pola arus ini dipengaruhi oleh angin monsoon, topografi dasar laut, dan interaksi pesisir, yang berdampak pada navigasi, perikanan, dan ekosistem laut.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,055 | 0,013 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».