Quantifying the contributions of riverine vs. oceanic nitrogen to hypoxia in the East China Sea
Notice bibliographique
Résumé
Abstract. In the East China Sea, hypoxia (oxygen ≤ 62.5 mmol m−3) is frequently observed off the Changjiang (or Yangtze River) estuary covering up to about 15 000 km2. The Changjiang is a major contributor to hypoxia formation because it discharges large amounts of freshwater and nutrients into the region. However, modeling and observational studies have suggested that intrusions of nutrient-rich oceanic water from the Kuroshio Current also contribute to hypoxia formation. The relative contributions of riverine vs. oceanic nutrient sources to hypoxia have not been estimated before. Here, we combine a three-dimensional physical-biogeochemical model with an element-tracing method to quantify the relative contributions of nitrogen from different riverine and oceanic sources to hypoxia formation during 2008–2013. Our results suggest that the hypoxic region north of 30∘ N is dominated by Changjiang inputs, with its nitrogen loads supporting 74 % of oxygen consumption. South of 30∘ N, oceanic nitrogen sources become more important, supporting 39 % of oxygen consumption during the hypoxic season, but the Changjiang remains the main control on hypoxia formation also in this region. Model scenarios with reduced Changjiang nitrogen loads and reduced open-ocean oxygen levels suggest that nitrogen load reductions can significantly reduce hypoxia in the East China Sea and counteract a potential future decline in oxygen supply from the open ocean into the region.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».