MétaCan
Menu
Retour à la cohorte
Enregistrement W2954301744 · doi:10.1029/2019jc015007

Sensitivity of Phytoplankton Primary Production Estimates to Available Irradiance Under Heterogeneous Sea Ice Conditions

2019· article· en· W2954301744 sur OpenAlexaff
Philippe Massicotte, Ilka Peeken, Christian Katlein, Hauke Flores, Yannick Huot, Giulia Castellani, Stefanie Arndt, Benjamin Lange, Jean‐Éric Tremblay, Marcel Babin

Notice bibliographique

RevueJournal of Geophysical Research Oceans · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensFisheries and Oceans CanadaUniversité de SherbrookeUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceRemote sensingIrradianceWater columnArcticSampling (signal processing)PhytoplanktonPrimary productionSea iceAtmospheric sciencesRemotely operated vehicleRadianceOceanographyGeologyEcologyNutrient

Résumé

récupéré en direct d'OpenAlex

Abstract The Arctic ice scape is composed by a mosaic of ridges, hummocks, melt ponds, leads, and snow. Under such heterogeneous surfaces, drifting phytoplankton communities are experiencing a wide range of irradiance conditions and intensities that cannot be sampled representatively using single‐location measurements. Combining experimentally derived photosynthetic parameters with transmittance measurements acquired at spatial scales ranging from hundreds of meters (using a remotely operated vehicle, ROV) to thousands of meters (using a surface and underice trawl, SUIT), we assessed the sensitivity of water column primary production estimates to multiscale underice light measurements. Daily primary production calculated from transmittance from both the ROV and the SUIT ranged between 0.004 and 939 mgC·m −2 ·day −1 . Upscaling these estimates at larger spatial scales using satellite‐derived sea ice concentration reduced the variability by 22% (0.004–731 mgC·m −2 ·day −1 ). The relative error in primary production estimates was two times lower when combining remote sensing and in situ data compared to ROV‐based estimates alone. These results suggest that spatially extensive in situ measurements must be combined with large‐footprint sea ice coverage sampling (e.g., remote sensing, aerial imagery) to accurately estimate primary production in ice‐covered waters. Also, the results indicated a decreasing error of primary production estimates with increasing sample size and the spatial scale at which in situ measurements are performed. Conversely, existing estimates of spatially integrated phytoplankton primary production in ice‐covered waters derived from single‐location light measurements may be associated with large statistical errors. Considering these implications is important for modeling scenarios and interpretation of existing measurements in a changing Arctic ecosystem.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,160
Score d'incertitude au seuil0,912

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,001

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 Opus0,027
Tête enseignante GPT0,284
Écart entre enseignants0,258 · 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 tête enseignante, 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

Citations39
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research OceansMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207