The Impact of Whaling on the Ocean Carbon Cycle: Why Bigger Was Better
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Humans have reduced the abundance of many large marine vertebrates, including whales, large fish, and sharks, to only a small percentage of their pre-exploitation levels. Industrial fishing and whaling also tended to preferentially harvest the largest species and largest individuals within a population. We consider the consequences of removing these animals on the ocean's ability to store carbon. METHODOLOGY/PRINCIPAL FINDINGS: Because body size is critical to our arguments, our analysis focuses on populations of baleen whales. Using reconstructions of pre-whaling and modern abundances, we consider the impact of whaling on the amount of carbon stored in living whales and on the amount of carbon exported to the deep sea by sinking whale carcasses. Populations of large baleen whales now store 9.1×10(6) tons less carbon than before whaling. Some of the lost storage has been offset by increases in smaller competitors; however, due to the relative metabolic efficiency of larger organisms, a shift toward smaller animals could decrease the total community biomass by 30% or more. Because of their large size and few predators, whales and other large marine vertebrates can efficiently export carbon from the surface waters to the deep sea. We estimate that rebuilding whale populations would remove 1.6×10(5) tons of carbon each year through sinking whale carcasses. CONCLUSIONS/SIGNIFICANCE: Even though fish and whales are only a small portion of the ocean's overall biomass, fishing and whaling have altered the ocean's ability to store and sequester carbon. Although these changes are small relative to the total ocean carbon sink, rebuilding populations of fish and whales would be comparable to other carbon management schemes, including ocean iron fertilization.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 découle