MétaCan
Menu
Retour à la cohorte
Enregistrement W2060245706 · doi:10.1002/2014gl062543

Small‐scale variability patterns of DMS and phytoplankton in surface waters of the tropical and subtropical Atlantic, Indian, and Pacific Oceans

2015· article· en· W2060245706 sur OpenAlexaff
Sarah‐Jeanne Royer, Anoop S. Mahajan, Martí Galí, E. S. Saltzman, Rafel Simó

Notice bibliographique

RevueGeophysical Research Letters · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensUniversité Laval
Organismes subventionnairesMinisterio de Economía y CompetitividadMinistry of Earth SciencesNational Science Foundation
Mots-clésSubtropicsPhytoplanktonLatitudeOceanographyEnvironmental scienceSalinityClimatologyTropical AtlanticSea surface temperatureAtmospheric sciencesGeologyNutrientBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract High‐resolution surface measurements of dimethylsulfide (DMS), chlorophyll a fluorescence, and the efficiency of photosystem II were conducted together with temperature and salinity along five eastward sections in the tropical and subtropical Atlantic, Indian, and Pacific Oceans. Analysis of variability length scales revealed that much of the variability in DMS concentrations occurs at scales between 15 and 50 km, that is, at the lower edge of mesoscale dynamics, decreasing with latitude and productivity. DMS variability was found to be more commonly related to that of phytoplankton‐related variables than to that of physical variables. Unlike phytoplankton physiological data, DMS did not show any universal diel pattern when using the normalized solar zenith angle as a proxy for solar time across latitudes and seasons. The study should help better design sampling and computing schemes aimed at mapping surface DMS and phytoplankton distributions, taking into account latitude and productivity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,233
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetMarine and coastal ecosystemsTravaux en français237 207