Inferred support for disturbance‐recovery hypothesis of <scp>N</scp>orth <scp>A</scp>tlantic phytoplankton blooms
Notice bibliographique
Résumé
Abstract Analyses of satellite‐derived chlorophyll data indicate that the phase of rapid phytoplankton population growth in the North Atlantic (the “spring bloom”) is actually initiated in the winter rather than the spring, contradicting Sverdrup's critical depth hypothesis. An alternative disturbance‐recovery hypothesis (DRH) has been proposed to explain this discrepancy, in which the rapid deepening of the mixed layer reduces zooplankton grazing rates sufficiently to initiate the bloom. We use Bayesian parameter inference on a simple Nutrient‐Phytoplankton‐Zooplankton (NPZ) model to investigate the DRH and also investigate how well the model can capture the multiyear and spatial dynamics of phytoplankton concentrations and population growth rates. Every parameter in our NPZ model was inferred as a probability distribution given empirical constraints, which provides a more objective method to identify a model parameterization given available empirical evidence, rather than fixing or tuning individual parameter values. Our model explains around 75% of variation in the seasonal dynamics of phytoplankton concentrations, 30% of variation in their population rates of change, and correctly predicts the phases of population growth and decline. Our parameter‐inferred model supports the DRH, revealing the sustained reduction of grazing due to mixed‐layer deepening as the driving mechanism behind bloom initiation, with the relaxation of nutrient limitation being another contributory mechanism. Our results also show that the continuation of the bloom is caused in part by the maintenance of phytoplankton concentrations below a level that can support positive zooplankton population growth. Our approach could be employed to formally assess alternative hypotheses for bloom formation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».