MétaCan
Menu
Back to cohort
Record W7053253154

Transport de matériel terrigène dans les eaux supérieures de l’océan Arctique

2023· other· fr· W7053253154 on OpenAlexfundaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2023
Typeother
Languagefr
FieldEngineering
TopicMagneto-Optical Properties and Applications
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of Canada
KeywordsWestern europeEnvironmental effectBefore Present
DOInot available

Abstract

fetched live from OpenAlex

L’Arctique suscite depuis quelques années une attention particulière à mesure que les symptômes des changements climatiques globaux s’y accumulent et s’y amplifient. Actuellement les régions arctiques sont sujettes à plusieurs changements : dégel du pergélisol, changement du débit des rivières arctiques, augmentation de l’export du carbone organique terrestre, etc. L’objectif principal de mes travaux de recherche consiste à mieux comprendre la circulation des eaux douces dans l’océan Arctique en utilisant des traceurs chimiques tels que la matière organique dissoute (MOD; chapitre 3) et le baryum (chapitre 4) en combinaison avec d’autres traceurs, i.e température et salinité.
\nL'Océan constitue un réservoir important de carbone. En effet, ce dernier stocke environ 700 Gt de carbone organique, une quantité sujette à évolution avec les changements climatiques. L’Océan Arctique est entouré de pergélisol présent sur 34% des côtes terrestres. Il constitue une source importante de MO allochtone, et, lors de son dégel, contribue à la libération de MOD et de gaz tels que le méthane, un puissant gaz à effet de serre. Ces différentes modifications affectent la quantité de la matière terrigène drainée dans l’océan et donc la biogéochimie des micropolluants et perturbe les écosystèmes marins.
\nLe troisième chapitre a pour objectif d’étudier le transport de la matière organique dissoute (MOD) dans les quatre principaux bassins de l’océan Arctique central en utilisant ses propriétés optiques, i.e. absorbance UV/visible et fluorescence et d’étudier l’export de la matière organique dissoute vers l’océan Atlantique. Les résultats ont pu démontrer que 1) la composition en MOD est différente d’un bassin à l’autre, avec des niveaux de DOM plus élevés proche des côtes eurasiennes et qui diminuent en fonction de la distance vers le détroit de Fram, 2) les eaux des côtes des bassins Makarov et Amundsen sont rapidement transportées vers le pôle nord et le détroit de Fram via la dérive transpolaire; et 3) l’exportation de la MOD terrestre est deux fois plus importante dans le détroit de Fram que dans le détroit de Lancaster. Le quatrième chapitre est basé sur l’utilisation d’un autre traceur des eaux douces : le baryum. Les résultats montrent qu’une différence significative entre les trois couches supérieures du bassin Canada (couche polaire mixte et les eaux Pacifique modifiées en été et en hiver) en zone côtière. En revanche la différence est non significative dans la zone extracôtière (offshore). Le profil vertical a montré une diminution en baryum dans la zone de chlorophylle maximum (PSW) ce qui est due à la sorption du Ba sur le matériel planctonique. La comparaison interannuelle 2019-2020 a montré de plus importantes concentrations en Ba en 2021 qu’en 2019-2020, ceci est le résultat du forçage atmosphérique de l’océan Arctique. Globalement, les résultats de ce mémoire montrent que la circulation d’eau douce dans les couches supérieures de l’océan Arctique est grandement influencée par les courants océaniques et la direction des vents dominants. ceci pourra améliorer notre compréhension de la distribution des eaux douces dans le bassin Canada. et expliquer l’impact du changement de la direction du vents sur la transport de la matière terrigène dans l’Océan Arctique, cette matière contient des nutriments, des contaminants et son transport impact la production primaire.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.737
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.001
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.012
GPT teacher head0.192
Teacher spread0.180 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes2
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicMagneto-Optical Properties and ApplicationsFrench-language works237,207