MétaCan
Menu
Retour à la cohorte
Enregistrement W2897977828 · doi:10.1029/2018gl078995

Northward Expansion and Intensification of Phytoplankton Growth During the Early Ice‐Free Season in Arctic

2018· article· en· W2897977828 sur OpenAlexafffund
Sophie Renaut, Emmanuel Devred, Marcel Babin

Notice bibliographique

RevueGeophysical Research Letters · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans CanadaUniversité Laval
Organismes subventionnairesAgence Nationale de la RechercheArcticNetCanada Excellence Research Chairs, Government of CanadaNational Aeronautics and Space Administration
Mots-clésPhytoplanktonOceanographySea iceEnvironmental scienceArcticArctic ice packMarine ecosystemArctic sea ice declineSpring (device)Primary productivitySpring bloomClimatologyEcosystemGeologyDrift iceEcologyNutrient

Résumé

récupéré en direct d'OpenAlex

Abstract In the last decades, reduction of the ice cover has been documented to affect the structure and the functioning of Arctic marine ecosystems. One direct consequence is earlier phytoplankton spring blooms and larger annual primary production compared with previous decades. However, the impact of changes in the dynamics of sea ice specifically on phytoplankton spring blooms, a major contributor of the annual primary production in the Arctic Ocean, remains poorly known. Here we report on their temporal and spatial variabilities in open waters between 2003 and 2013 using satellite ocean color data. We observed a significant increase in primary productivity of phytoplankton spring blooms in different sectors of the Arctic Ocean, especially in the Barents and Kara Seas. Satellite observations also revealed a northward expansion of these blooms at a rate of 1° per decade driven by the Barents and the Kara 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,248
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations70
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207