Spatial and temporal variability of ice algal production in a 3D ice-ocean model of the Hudson Bay, Hudson Strait and Foxe Basin system
Notice bibliographique
Résumé
Primary production, the basic component of the food web and a sink for dissolved inorganic carbon, is a major unknown in Arctic seas, particularly ice algal production, for which detailed and comprehensive studies are often limited in space and time. We present here a simple ice alga model and its coupling with a regional 3D ice–ocean model of the Hudson Bay system (HBS), including Hudson Strait and Foxe Basin, as a first attempt to estimate ice algal production and its potential contribution to the pelagic ecosystem on a regional scale. The ice algal growth rate is forced by sub-ice light and nutrient availability, whereas grazing and ice melt control biomass loss from the underside of the ice. The simulation shows the primary role of sea-ice dynamics on the distribution and production of ice algae with a high spatio-temporal variability in response to the great variability of ice conditions in different parts of the HBS. In addition to favourable light and nutrient conditions, there must be a sufficient time lag between the onset of sufficient light and ice melt to ensure significant ice algal production. This suggests that, in the context of enhanced warming in Arctic and sub-Arctic regions, earlier melt could be more damaging for ice algal production than later freezing. The model also includes a particulate organic matter (POM) variable, fed by ice melting losses to the water column, and shows a large redistribution of the POM produced by the ice ecosystem on a regional 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 | 0,004 | 0,001 |
| 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 | 0,001 |
| 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 ».