Environmental drivers of under-ice phytoplankton bloom dynamics in the Arctic Ocean
Notice bibliographique
Résumé
The decline of sea-ice thickness, area, and volume due to the transition from multi-year to first-year sea ice has improved the under-ice light environment for pelagic Arctic ecosystems. One unexpected and direct consequence of this transition, the proliferation of under-ice phytoplankton blooms (UIBs), challenges the paradigm that waters beneath the ice pack harbor little planktonic life. Little is known about the diversity and spatial distribution of UIBs in the Arctic Ocean, or the environmental drivers behind their timing, magnitude, and taxonomic composition. Here, we compiled a unique and comprehensive dataset from seven major research projects in the Arctic Ocean (11 expeditions, covering the spring sea-ice-covered period to summer ice-free conditions) to identify the environmental drivers responsible for initiating and shaping the magnitude and assemblage structure of UIBs. The temporal dynamics behind UIB formation are related to the ways that snow and sea-ice conditions impact the under-ice light field. In particular, the onset of snowmelt significantly increased under-ice light availability (>0.1–0.2 mol photons m–2 d–1), marking the concomitant termination of the sea-ice algal bloom and initiation of UIBs. At the pan-Arctic scale, bloom magnitude (expressed as maximum chlorophyll a concentration) was predicted best by winter water Si(OH)4 and PO43– concentrations, as well as Si(OH)4:NO3– and PO43–:NO3– drawdown ratios, but not NO3– concentration. Two main phytoplankton assemblages dominated UIBs (diatoms or Phaeocystis), driven primarily by the winter nitrate:silicate (NO3–:Si(OH)4) ratio and the under-ice light climate. Phaeocystis co-dominated in low Si(OH)4 (i.e., NO3:Si(OH)4 molar ratios >1) waters, while diatoms contributed the bulk of UIB biomass when Si(OH)4 was high (i.e., NO3:Si(OH)4 molar ratios <1). The implications of such differences in UIB composition could have important ramifications for Arctic biogeochemical cycles, and ultimately impact carbon flow to higher trophic levels and the deep ocean.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».