Broad-scale predictability of carbohydrates and exopolymers in Antarctic and Arctic sea ice
Notice bibliographique
Résumé
Sea ice can contain high concentrations of dissolved organic carbon (DOC), much of which is carbohydrate-rich extracellular polymeric substances (EPS) produced by microalgae and bacteria inhabiting the ice. Here we report the concentrations of dissolved carbohydrates (dCHO) and dissolved EPS (dEPS) in relation to algal standing stock [estimated by chlorophyll (Chl) a concentrations] in sea ice from six locations in the Southern and Arctic Oceans. Concentrations varied substantially within and between sampling sites, reflecting local ice conditions and biological content. However, combining all data revealed robust statistical relationships between dCHO concentrations and the concentrations of different dEPS fractions, Chl a, and DOC. These relationships were true for whole ice cores, bottom ice (biomass rich) sections, and colder surface ice. The distribution of dEPS was strongly correlated to algal biomass, with the highest concentrations of both dEPS and non-EPS carbohydrates in the bottom horizons of the ice. Complex EPS was more prevalent in colder surface sea ice horizons. Predictive models (validated against independent data) were derived to enable the estimation of dCHO concentrations from data on ice thickness, salinity, and vertical position in core. When Chl a data were included a higher level of prediction was obtained. The consistent patterns reflected in these relationships provide a strong basis for including estimates of regional and seasonal carbohydrate and dEPS carbon budgets in coupled physical-biogeochemical models, across different types of sea ice from both polar regions.
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 | 0,001 | 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 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».