MétaCan
Menu
Retour à la cohorte
Enregistrement W3018345035 · doi:10.1017/aog.2020.17

Carbon and nitrogen uptake rates and macromolecular compositions of bottom-ice algae and phytoplankton at Cambridge Bay in Dease Strait, Canada

2020· article· en· W3018345035 sur OpenAlexafffundabout
Kwanwoo Kim, Sun‐Yong Ha, Bo Kyung Kim, C. J. Mundy, Kathleen Gough, Nicole Pogorzelec, Sang Heon Lee

Notice bibliographique

RevueAnnals of Glaciology · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Research Foundation of KoreaKorea Polar Research InstituteNational Research FoundationNatural Sciences and Engineering Research Council of CanadaMinistry of Science and ICT, South KoreaPolar Knowledge Canada
Mots-clésPhytoplanktonAlgaeOceanographyBaySea iceArcticBiomass (ecology)Chlorophyll aEnvironmental scienceNutrientNitrogenGeologyEcologyChemistryBotanyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Our understanding of ice algal responses to the recent changes in Arctic sea ice is impeded by limited field observations. In the present study, environmental characteristics of the landfast sea-ice zone as well as primary production and macromolecular composition of ice algae and phytoplankton were studied in the Kitikmeot Sea near Cambridge Bay in spring 2017. Averaged total chlorophyll- a (Chl- a ) concentration was within the lower range reported previously for the same region, while daily carbon uptake rates of bottom-ice algae were significantly lower in this study than previously reported for the Arctic. Based on various indicators, the region's low nutrient concentrations appear to limit carbon uptake rates and associated accumulation of bottom-ice algal biomass. Furthermore, the lipids-dominant biochemical composition of bottom-ice algae suggests strong nutrient limitation relative to the distinctly different carbohydrates-dominant composition of phytoplankton. Together, the results confirm strong nitrate limitation of the local marine system.

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)0,000
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 enseignants0,035
Score d'incertitude au seuil0,854

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,018
Tête enseignante GPT0,228
Écart entre enseignants0,210 · 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

Citations18
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAnnals of GlaciologyMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207