MétaCan
Menu
Retour à la cohorte
Enregistrement W3001140498 · doi:10.1080/01431161.2019.1708508

Analysis of surfactant-associated bacteria in the sea surface microlayer using deoxyribonucleic acid sequencing and synthetic aperture radar

2020· article· en· W3001140498 sur OpenAlexaff
Georgia Parks, Cayla Dean, John Alexander Kluge, Alexander Soloviev, Mahmood Shivji, Aurélien Tartar, Kathryn L. Howe, Susanne Lehner, Egbert Schwarz, Hui Shen, William Perrie, Paul Schuler

Notice bibliographique

RevueInternational Journal of Remote Sensing · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensBedford Institute of Oceanography
Organismes subventionnairesnon disponible
Mots-clésRacing slickSynthetic aperture radarBiogeochemical cyclePulmonary surfactantEnvironmental scienceSurface tensionAtmosphere (unit)SatelliteRemote sensingGeologyOceanographyMeteorologyChemistryEnvironmental chemistryGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

The sea surface microlayer (SML) is the upper 1 mm of the ocean, where Earth’s biogeochemical processes occur between the ocean and atmosphere. It is physicochemically distinct from the water below and highly variable in space and time due to changing physical conditions. Some microorganisms influence the composition of the SML by producing surfactants for biological functions that accumulate on the surface, decrease surface tension, and create slicks. Slicks can be visible to the eye and in synthetic aperture radar (SAR) satellite imagery. This study focuses on surfactant-associated bacteria in the near-surface layer and their role in slick formation where oil is present.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,936
Score d'incertitude au seuil0,331

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 Opus0,020
Tête enseignante GPT0,241
Écart entre enseignants0,221 · 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'étudeSimulation ou modélisation
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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Remote SensingMême sujetMethane Hydrates and Related PhenomenaTravaux en français237 207