Relating phytoplankton photophysiological properties to community structure on large scales
Notice bibliographique
Résumé
We analyzed a large dataset of simultaneous measurements of phytoplankton pigments, spectral specific absorption coefficient for phytoplankton [a*(λ)], and photosynthesis versus irradiance (P versus E) curve parameters to examine the possible relationships between phytoplankton community structure and photophysiological properties at large spatial scales. Data were collected in various regions, mostly covering the trophic gradient encountered in the world’s open ocean. The community composition is described in terms of biomass of three phytoplankton classes, determined using specific biomarker pigments. We present a general empirical model that describes the dependence of algal photophysiology on both the community composition and the relative irradiance within the water column (essentially reflecting photoacclimation). The application of the model to the in situ dataset enables the identification of vertical profiles of photophysiological properties for each phytoplankton class. The class‐specific a*(λ) obtained are consistent with results from the literature and with previous models developed for small and large cells, both in terms of the absolute values and the vertical patterns. Similarly, for the class‐specific P versus E curve parameters, the magnitude and vertical distribution obtained with this method are coherent with previous observations. Large cells (mainly diatoms) may be more efficient in carbon storage than smaller cells, whereas their yield of light absorption is lower. We anticipate that such photophysiological parameterizations can improve primary production models by providing estimates of primary production that are specific to different phytoplankton classes on large scale.
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 | 0,000 | 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 | 0,001 | 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) | 0,000 | 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 ».