MétaCan
Menu
Retour à la cohorte
Enregistrement W2080851550 · doi:10.1029/2008gl036147

Denitrification effects on air‐sea CO<sub>2</sub> flux in the coastal ocean: Simulations for the northwest North Atlantic

2008· article· en· W2080851550 sur OpenAlexaff
Katja Fennel, John Wilkin, Michael Previdi, Raymond G. Najjar

Notice bibliographique

RevueGeophysical Research Letters · 2008
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésAlkalinityDenitrificationBiogeochemical cycleEnvironmental scienceOceanographySeawaterFlux (metallurgy)SedimentBiogeochemistryParticulatesAtmospheric sciencesEnvironmental chemistryNitrogenGeologyEcologyChemistryGeomorphology

Résumé

récupéré en direct d'OpenAlex

The contribution of coastal oceans to the global air‐sea CO 2 flux is poorly quantified due to insufficient availability of observations and inherent variability of physical, biological and chemical processes. We present simulated air‐sea CO 2 fluxes from a high‐resolution biogeochemical model for the North American east coast continental shelves, a region characterized by significant sediment denitrification. Decreased availability of fixed nitrogen due to denitrification reduces primary production and incorporation of inorganic carbon into organic matter, which leads to an increase in seawater p CO 2 , but also increases alkalinity, which leads to an opposing decrease in seawater p CO 2 . Comparison of simulations with different numerical treatments of denitrification and alkalinity allow us to separate and quantify the contributions of sediment denitrification to air‐sea CO 2 flux. The effective alkalinity flux resulting from denitrification is large compared to estimates of anthropogenically driven coastal acidification.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,159
Score d'incertitude au seuil0,315

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,032
Tête enseignante GPT0,280
Écart entre enseignants0,248 · 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'étudeSimulation ou modélisation
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

Citations210
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetOcean Acidification Effects and ResponsesTravaux en français237 207