MétaCan
Menu
Retour à la cohorte
Enregistrement W2145405308 · doi:10.1111/j.1365-2486.2006.01127.x

Freshwater food webs control carbon dioxide saturation through sedimentation

2006· article· en· W2145405308 sur OpenAlexaff
Kyla M. Flanagan, Edward McCauley, Frederick J. Wrona

Notice bibliographique

RevueGlobal Change Biology · 2006
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensImpactUniversity of VictoriaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSedimentationEnvironmental scienceCarbon cycleSaturation (graph theory)Carbon dioxideFlux (metallurgy)Carbon fibersOceanographyNutrientCarbon fluxEcologyBiotaWater columnEnvironmental chemistryEcosystemChemistryGeologyBiologySedimentGeomorphologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract Carbon cycling in lakes has been studied both in terms of the magnitude and global significance of carbon released to the atmosphere and carbon stored in the sediments. Interestingly, to the best of our knowledge there have been no studies examining whether instantaneous measures of carbon flux are directly related to how much carbon is being drawn down to the sediments. Here, we show that the saturation of CO2 in the water column is negatively related to the sedimentation rate. We, therefore, suggest that sedimentation should be explicitly considered as a factor directly controlling CO2 flux from freshwaters. Furthermore, we show that food webs and nutrients can alter CO2 flux by changing sedimentation. Oceanographers have long recognized the interaction between biota and sedimentation in the carbon dynamics of the ocean, a mechanism referred to as the biological pump. Our experiments rigorously test sedimentation and food web structure as factors controlling CO2 saturation and suggest a common framework for freshwater and marine systems.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,218
Écart entre enseignants0,200 · 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

Citations34
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Change BiologyMême sujetMarine and coastal ecosystemsTravaux en français237 207