Seasonal variability of surface phytoplankton in the Northern South China Sea: A one-dimensional coupled physical-biogeochemical modeling study
Notice bibliographique
Résumé
The South China Sea is an oligotrophic marginal sea located in the tropical-subtropical Northwestern Pacific Ocean. Under the influences of monsoon winds, both the physical and biogeochemical processes exhibit distinct seasonal variability in the upper waters. In order to study the seasonal variations of surface phytoplankton, a one-dimensional coupled physical-biogeochemical model was developed and applied to the deep basins of the Northern South China Sea, away from the coastal upwelling regions. Forced under real-time surface monsoon winds and heat flux, the model reproduced the mixed layer depth, sea surface temperature and surface chlorophyll-a compared with satellite observations and previous reported values. In seasonal mean, the mixed layer depth was highest in winter (∼61.62 m) and lowest in spring (∼12.07 m). The sea surface temperature was lowest (∼25.05°C) in winter and highest (∼29.20°C) in summer. Furthermore, conspicuous phytoplankton blooms occurred in winter with the highest chlorophyll-a concentration up to ∼0.21 mg m−3. In other seasons, the concentration remained relatively low, especially in summer (∼0.05 mg m−3). The spatial distributions of phytoplankton were closely related with patterns of surface nutrient availability, as well as mixed layer depth and sea surface temperature. These relationships indicate that surface phytoplankton primary production was mainly controlled by nutrient availability, which was dominated by vertical turbulent diffusion in the deep basin of the northern Sea which is away from the coastal upwelling regions. Overall, our model results indicated that the seasonal variability of surface phytoplankton was modulated by coupled effects of physical and biogeochemical processes in the Northern South China Sea.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».