MétaCan
Menu
Retour à la cohorte
Enregistrement W2954927549 · doi:10.1029/2019gl082770

Major Impact of Dust Deposition on the Productivity of the Arabian Sea

2019· article· en· W2954927549 sur OpenAlexfundno aff
Cécile Guieu, Muchamad Al Azhar, Olivier Aumont, N. M. Mahowald, Marina Lévy, Christian Éthé, Zouhair Lachkar

Notice bibliographique

RevueGeophysical Research Letters · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesNatural Environment Research CouncilSight Research UKYork UniversityNew York University Abu Dhabi
Mots-clésBiogeochemical cycleBiogeochemistryDeposition (geology)Environmental scienceReactive nitrogenAtmospheric sciencesPrimary productivityNutrientNew productionIron fertilizationProductivityPrimary productionMineral dustNitrogen fixationNitrogenAerosolAtmosphere (unit)MonsoonOceanographyEcosystemEnvironmental chemistryGeologyMeteorologyChemistryEcologyGeographyPhytoplanktonBiology

Résumé

récupéré en direct d'OpenAlex

Abstract In the Arabian Sea (AS), spatiotemporal nutrient limitation patterns of primary production and the possible role of nutrient inputs from the atmosphere are still not well understood. Using a biogeochemical model forced by modeled aerosol deposition, we show that without high atmospheric iron inputs through dust deposition during the summer monsoon, primary production over the AS would be reduced by half. Atmospheric iron deposition also supports most of the nitrogen fixation over the AS. However, our ocean biogeochemistry modeling results suggest that dinitrogen fixation constitutes a negligible fraction of the primary production. Finally, we show that atmospheric inputs of nitrogen, mostly from anthropogenic activities in India, have a negligible impact on primary production.

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 enseignants0,105
Score d'incertitude au seuil0,983

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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,263
Écart entre enseignants0,241 · 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

Citations90
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetMarine and coastal ecosystemsTravaux en français237 207