Interactions entre la dynamique océanique de mésoéchelle et la glace de mer en Arctique
Bibliographic record
Abstract
Dans le bassin Arctique, l’océan et la banquise sont en interaction constante, suscitant des interrogations sur le rôle de l’océan dans les changements qui affectent la glace de mer. Les tourbillons de mésoéchelle pourraient représenter un mécanisme océanique qui influence les conditions de glace de mer et leur changement.Dans ce manuscrit de thèse, j’utilise des outils variés et complémentaires comprenant des données d’observation ainsi qu’une simulation à haute résolution afin de comprendre comment interagissent la glace de mer et les tourbillons océaniques de mésoéchelle en Arctique. L’analyse des données in situ sur la période 2004-2019 permet de quantifier les processus d’interactions dynamiques et thermodynamiques, et suggère que les tourbillons pourraient laisser une signature dans la vorticité de la glace de mer. Cette signature est par la suite isolée pour un tourbillon se propageant dans la zone marginale du bassin Canadien, grâce à la combinaison de données in situ et d’images SAR et à une nouvelle méthode de détection basée sur la vorticité de la glace.Enfin, je m’attache à quantifier cette interaction dynamique à l’échelle du bassin Arctique à l’aide d’une simulation à haute résolution basée sur le modèle couplé NEMO-LIM 3.5. Une analyse sur vingt ans montre un impact et une signature de la dynamique de mésoéchelle proéminents dans les régions marginales du bassin Arctique, mais absents dans la banquise compacte, où l’influence de l’atmosphère est dominante.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".