MétaCan
Menu
Retour à la cohorte
Enregistrement W2063255847 · doi:10.1111/ele.12265

Effects of sea surface warming on marine plankton

2014· letter· en· W2063255847 sur OpenAlexaff
Aleksandra M. Lewandowska, Daniel G. Boyce, Matthias Hofmann, Birte Matthiessen, Ulrich Sommer, Boris Worm

Notice bibliographique

RevueEcology Letters · 2014
Typeletter
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensBedford Institute of OceanographyQueen's UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPhytoplanktonPlanktonZooplanktonEnvironmental scienceTrophic levelOceanographyBiomass (ecology)Global warmingEffects of global warming on oceansMesocosmMarine ecosystemEcologyEcosystemNutrientBiologyClimate changeGeology

Résumé

récupéré en direct d'OpenAlex

Ocean warming has been implicated in the observed decline of oceanic phytoplankton biomass. Some studies suggest a physical pathway of warming via stratification and nutrient flux, and others a biological effect on plankton metabolic rates; yet the relative strength and possible interaction of these mechanisms remains unknown. Here, we implement projections from a global circulation model in a mesocosm experiment to examine both mechanisms in a multi-trophic plankton community. Warming treatments had positive direct effects on phytoplankton biomass, but these were overcompensated by the negative effects of decreased nutrient flux. Zooplankton switched from phytoplankton to grazing on ciliates. These results contrast with previous experiments under nutrient-replete conditions, where warming indirectly reduced phytoplankton biomass via increased zooplankton grazing. We conclude that the effect of ocean warming on marine plankton depends on the nutrient regime, and provide a mechanistic basis for understanding global change in marine ecosystems.

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)0,003
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,006
Tête enseignante GPT0,175
Écart entre enseignants0,169 · 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

Citations270
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetMarine and coastal ecosystemsTravaux en français237 207