Interannual variations of heat and freshwater content in the cold water dome of the Labrador Sea
Bibliographic record
Abstract
В данной работе исследована межгодовая изменчивость теплосодержания и содержания пресной воды в море Лабрадор. Для расчетов использовался массив ARMOR-3D (1993–2016 гг.), в котором скомбинированы натурные и спутниковые наблюдения. Были выявлены значимые тенденции увеличения теплосодержания и уменьшения содержания пресной воды в верхнем 500-метровом слое за исследуемый период. В межгодовой изменчивости теплосодержания и содержания пресной воды были выделены доминирующие циклы продолжительностью 2–4 года и 5–8 лет. Выявлена высокая отрицательная корреляция теплосодержания моря Лабрадор с индексом Северо-Атлантической осцилляции (NAOI), тогда как с индексами Атлантической мультидекадной осцилляции (AMOI) и Арктической океанической осцилляции (AOOI) корреляции были не значимы. Было установлено, что изменение интенсивности теплообмена с атмосферой, а также океанического притока тепла с задержкой на 3-4 года является основными причинами связи теплосодержания верхнего слоя моря Лабрадор с NAOI. \nПри близких к нулю временных сдвигах были выделены также отрицательные корреляции теплосодержания с NAOI в море Ирмингера и прилегающих акваториях Северной Атлантики, и положительные – вдоль потока атлантических вод в морях Северо-Европейского бассейна. Через 8 лет корреляции меняют знак. Расчет интенсивности океанической адвекции тепла показал, что одновременное с увеличением притока тепла в моря Лабрадор и Ирмингера наблюдается уменьшение притока тепла в Северо-Европейский бассейн.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".