MétaCan
Menu
Retour à la cohorte
Enregistrement W2980807384 · doi:10.1080/11956860.2019.1681090

Microcosm experiments reveal Asian dust deposition stimulates growth and reduces diversity in bacterioplankton of the China Seas

2019· article· en· W2980807384 sur OpenAlexvenueno aff
Rui Hou, Xi Chen, Kuiran Li, Huiwang Gao

Notice bibliographique

RevueEcoscience · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMicrocosmBacterioplanktonDeposition (geology)Environmental chemistryPhytoplanktonEnvironmental scienceMicrobial population biologyNutrientProteobacteriaBiomass (ecology)Asian DustBacterial growthAerosolBiologyBacteriaOceanographyEcologyChemistrySedimentGeology

Résumé

récupéré en direct d'OpenAlex

Dust deposition is considered an important source of many bioavailable nutrients to the marine environment. Nutritional status is the main factor regulating bacterioplankton growth, and thus it is important to study the effects of dust deposition. Microcosm experiments with dust aerosol addition were performed using surface water from the South China Sea (SC) for 12 days and southern Yellow Sea (SY) for 10 days. After incubation, the bacterial biomass in microcosms increased 10.82-fold and 2.22–3.32-fold under dust addition, in SC and SY respectively. Bacterial growth was also stimulated by dust aerosol, indicated by increased and more efficient heterotrophic secondary production. In addition, bacterial community structures were simplified by dust aerosol in both study areas. Alpha- and gamma-proteobacteria were the predominant bacteria in the microcosms following dust addition in SC, whereas alpha- and delta-proteobacteria were the main bacteria in SY. These results demonstrate that dust deposition regulates growth and community structure of marine bacteria in SC and SY by promoting phytoplankton growth.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,189
Écart entre enseignants0,181 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcoscienceMême sujetMarine and coastal ecosystemsTravaux en français237 207