Late winter under ice pelagic microbial communities in the high Arctic Ocean and the impact of short-term exposure to elevated CO<sub>2</sub>levels
Notice bibliographique
Résumé
Polar Oceans are natural CO2 sinks because of the enhanced solubility of CO2 in cold water. The Arctic Ocean is at additional risk of accelerated ocean acidification (OA) because of freshwater inputs from sea ice and rivers, which influence the carbonate system. Winter conditions in the Arctic are of interest because of both cold temperatures and limited CO2 venting to the atmosphere when sea ice is present. Earlier OA experiments on Arctic microbial communities conducted in the absence of ice cover, hinted at shifts in taxa dominance and diversity under lowered pH. The Catlin Arctic Survey provided an opportunity to conduct in situ, under-ice, OA experiments during late Arctic winter. Seawater was collected from under the sea ice off Ellef Ringnes Island, and communities were exposed to three CO2 levels for 6 days. Phylogenetic diversity was greater in the attached fraction compared to the free-living fraction in situ, in the controls and in the treatments. The dominant taxa in all cases were Gammaproteobacteria but acidification had little effect compared to the effects of containment. Phylogenetic net relatedness indices suggested that acidification may have decreased the diversity within some bacterial orders, but overall there was no clear trend. Within the experimental communities, alkalinity best explained the variance among samples and replicates, suggesting subtle changes in the carbonate system need to be considered in such experiments. We conclude that under ice communities have the capacity to respond either by selection or phenotypic plasticity to heightened CO2 levels over the short term.
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 | 0,001 |
| 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 ».