MétaCan
Menu
Retour à la cohorte
Enregistrement W7139791561

Satellite Remote Sensing & Model Reanalysis Estimates of Upper- Ocean Heat Content in the Canada Basin

2021· article· W7139791561 sur OpenAlexaboutno aff
Amanda Camarato

Notice bibliographique

RevueDigital Commons - CSUMB (California State University, Monterey Bay) · 2021
Typearticle
Langue
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHeat fluxBuoySea ice thicknessArcticSea iceSea ice growth processesOcean heat contentSea ice concentration
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The partitioning of solar radiation entering the upper ocean in the presence of sea ice during the Arctic summer is essential to predicting future ice retreat. This study compares predicted incoming heat with upper ocean density and thermal structure by constructing a simple, one-dimensional vertical heat budget around drifting buoy clusters deployed as part of the Stratified Ocean Dynamics of the Arctic experiment. Model reanalysis surface heat flux estimates were used with Synthetic Aperture Radar (SAR) and satellite radiometer derived open water fraction (OWF) estimates to construct an incoming surface heat flux budget. The incoming solar radiation forced upper-ocean heat gains, either stored locally or contributing to ice melt, through open water and the thinning ice cover. The estimated seasonal heat input directly through SAR-determined open water is roughly 44 MJ m-2, and the measured heat sinks total 104 MJ m-2 for mixed layer heat gain, basal melting, and basal conductance. Given the lack of sizeable advective heat sources, these results suggest that the residual heat source is through-ice transmittance. A transmission parameter was estimated from the residual heat flux and comparable to previous in situ observations of ice transmittance. These results suggest that through-ice transmittance is the dominating heat source around the observation site during the summer 2019 melt season.

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 enseignants0,014
Score d'incertitude au seuil0,100

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 technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,188
Écart entre enseignants0,168 · 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 revueDigital Commons - CSUMB (California State University, Monterey Bay)Même sujetArctic and Antarctic ice dynamicsTravaux en français237 207