Modelling the impact of riverine DON removal by marine bacterioplankton on primary production in the Arctic Ocean
Notice bibliographique
Résumé
Abstract. The planktonic and biogeochemical dynamics of the Arctic shelves exhibit a strong variability in response to Arctic warming. In this study, we employ a biogeochemical model coupled to a pan-Arctic ocean–sea ice model (MITgcm) to elucidate the processes regulating the primary production (PP) of phytoplankton, bacterioplankton (BP), and their interactions. The model explicitly simulates and quantifies the contribution of usable dissolved organic nitrogen (DON) drained by the major circum-Arctic rivers to PP and BP in a scenario of melting sea ice (1998–2011). Model simulations suggest that, on average between 1998 and 2011, the removal of usable riverine dissolved organic nitrogen (RDON) by bacterioplankton is responsible for a ~ 26% increase in the annual BP for the whole Arctic Ocean. With respect to total PP, the model simulates an increase of ~ 8% on an annual basis and of ~ 18% in summer. Recycled ammonium is responsible for the PP increase. The recycling of RDON by bacterioplankton promotes higher BP and PP, but there is no significant temporal trend in the BP : PP ratio within the ice-free shelves over the 1998–2011 period. This suggests no significant evolution in the balance between autotrophy and heterotrophy in the last decade, with a constant annual flux of RDON into the coastal ocean, although changes in RDON supply and further reduction in sea-ice cover could potentially alter this delicate balance.
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 | 0,000 |
| 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 ».