Southern Ocean biological iron cycling in the pre-whaling and present ecosystems
Notice bibliographique
Résumé
This study aimed to create the first model of biological iron (Fe) cycling in the Southern Ocean food web. Two biomass mass-balanced Ecopath models were built to represent pre- and post-whaling ecosystem states (1900 and 2008). Functional group biomasses (tonnes wet weight km −2 ) were converted to biogenic Fe pools (kg Fe km −2 ) using published Fe content ranges. In both models, biogenic Fe pools and consumption in the pelagic Southern Ocean were highest for plankton and small nektonic groups. The production of plankton biomass, particularly unicellular groups, accounted for the highest annual Fe demand. Microzooplankton contributed most to biological Fe recycling, followed by carnivorous zooplankton and krill. Biological Fe recycling matched previous estimates, and, under most conditions, could entirely meet the Fe demand of bacterioplankton and phytoplankton. Iron recycling by large baleen whales was reduced 10-fold by whaling between 1900 and 2008. However, even under the 1900 scenario, the contribution of whales to biological Fe recycling was negligible compared with that of planktonic consumers. These models are a first step in examining oceanic-scale biological Fe cycling, highlighting gaps in our present knowledge and key questions for future research on the role of marine food webs in the cycling of trace elements in the sea. This article is part of the themed issue ‘Biological and climatic impacts of ocean trace element chemistry’.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».