Physical associations to spring phytoplankton biomass interannual variability in the U.S. Northeast Continental Shelf
Notice bibliographique
Résumé
Abstract The continental shelf of the Northeast United States and Nova Scotia is a productive marine ecosystem that supports a robust biomass of living marine resources. Understanding marine ecosystem sensitivity to changes in the physical environment can start with the first‐order response of phytoplankton (i.e., chlorophyll a ), the base of the marine food web. However, the primary physical associations to the interannual variability of chlorophyll a in these waters are unclear. Here we used ocean color satellite measurements and identified the local and remote physical associations to interannual variability of spring surface chlorophyll a from 1998 to 2013. The highest interannual variability of chlorophyll a occurred in March and April on the northern flank of Georges Bank, the western Gulf of Maine, and Nantucket Shoals. Complex interactions between winter wind speed over the Shelf, local winter water levels, and the relative proportions of Atlantic versus Labrador Sea source waters entering the Gulf of Maine from the previous summer/fall were associated with the variability of March/April chlorophyll a in Georges Bank and the Gulf of Maine. Sea surface temperature and sea surface salinity were not robust correlates to spring chlorophyll a . Surface nitrate in the winter was not a robust correlate to chlorophyll a or the physical variables in every case suggesting that nitrate limitation may not be the primary constraint on the interannual variability of the spring bloom throughout all regions. Generalized linear models suggest that we can resolve 88% of March chlorophyll a interannual variability in Georges Bank using lagged physical data.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».