Oxygen fluxes beneath Arctic land-fast ice and pack ice: towards estimates of ice productivity
Notice bibliographique
Résumé
Sea-ice ecosystems are among the most extensive of Earth’s habitats; yet its autotrophic and heterotrophic activities remain poorly constrained. We employed the in situ aquatic eddy-covariance (AEC) O2 flux method and laboratory incubation techniques (H14CO3−, [3H] thymidine and [3H] leucine) to assess productivity in Arctic sea-ice using different methods, in conditions ranging from land-fast ice during winter, to pack ice within the central Arctic Ocean during summer. Laboratory tracer measurements resolved rates of bacterial C demand of 0.003–0.166 mmol C m−2 day−1 and primary productivity rates of 0.008–0.125 mmol C m−2 day−1 for the different ice floes. Pack ice in the central Arctic Ocean was overall net autotrophic (0.002–0.063 mmol C m−2 day−1), whereas winter land-fast ice was net heterotrophic (− 0.155 mmol C m−2 day−1). AEC measurements resolved an uptake of O2 by the bottom-ice environment, from ~ − 2 mmol O2 m−2 day−1 under winter land-fast ice to~ − 6 mmol O2 m−2 day−1 under summer pack ice. Flux of O2-deplete meltwater and changes in water flow velocity masked potential biological-mediated activity. AEC estimates of primary productivity were only possible at one study location. Here, productivity rates of 1.3 ± 0.9 mmol O2 m−2 day−1, much larger than concurrent laboratory tracer estimates (0.03 mmol C m−2 day−1), indicate that ice algal production and its importance within the marine Arctic could be underestimated using traditional approaches. Given careful flux interpretation and with further development, the AEC technique represents a promising new tool for assessing oxygen dynamics and sea-ice productivity in ice-covered regions.
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 | 0,000 | 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 ».