Bibliographic record
Abstract
En se basant sur la récente compilation des cartes représentant la répartition des vagues internes, on constate que presque toutes les vagues internes de la Mer de la Chine du Sud se propagent vers l'ouest. La plupart de ces vagues internes sont générées dans les hauts fonds ou ses rebords du Détroit de Luzon. La crête de ses vagues peut faire jusqu'à 200 km de long avec une amplitude de 100 m. Grâce aux images collectées par RADARSAT ScanSAR les 26 avril et 4 mai 1998, de gigantesques solitons internes ont pu être observés près des îles Dongsha, ils avaient une crête de plus de 200 km de long et une vitesse pouvant aller jusqu'à 1,9 m/s. Les découvertes les plus intéressantes sont l'élévation des vagues internes dans les eaux peu profondes (220 m) et les dépressions des vagues sur les brisants (500 m de profondeur). Les deux phénomènes peuvent être observés sur les même images SAR (Radar ouverture synthétique) prises le 4 mai 1998. Des simulations numériques ont montré que le temps nécessaire à la conversion de vagues internes dépressionnaires en vagues internes élevées est d'environ 20 heures, et que la distance de propagation de la vague peut aller jusqu 'à 200 km. Donc, en se rappelant que les vagues sont générées par des marées semi-diurnes de 12,4 heures, une capacité de bande large telle celle du RADARSAT ScanSAR est requise pour pouvoir observer l'évolution des vagues à différentes profondeurs. De plus, sur les images ScanSAR prises près des îles Dongsha, les gigantesques solitons internes qui se propagent vers l'ouest sont souvent brisés sur les écueils que sont les récifs de corail. Dans certains cas, les vagues qui se sont brisées vont se mélanger après avoir passé les récifs de corail et interagir les unes avec les autres. Les interactions non-linéaires entre vagues seront aussi abordées dans cet article.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".