Southern Ocean Ecosystem Response to Last Glacial Maximum Boundary Conditions
Notice bibliographique
Résumé
Abstract Phytoplankton exert a significant control on the marine carbon cycle and can thus impact atmospheric CO 2 concentration. Here we use a new ecosystem model to analyze the response of diatoms and coccolithophores in the Southern Ocean to Last Glacial Maximum (LGM) climate conditions, and changes in aeolian iron (Fe) input in the Southern Ocean. We find that LGM climate conditions without changes in Fe input lead to a large increase in diatoms north of the winter sea ice edge in the South Atlantic (19%) and the South Pacific (26%), and a 31% and 9% increase within the seasonal sea‐ice zone in the South Atlantic and Indian oceans, respectively, while diatoms decrease in the Ross and Weddell Seas, and in the South Pacific (62%) south of the winter sea ice edge. Coccolithophores increase by 11% in the South West Atlantic near 45°S but are outcompeted by diatoms within the seasonal sea‐ice zone, where they decrease by 21%. Overall, this results in a 11% decrease in Southern Ocean net primary productivity (NPP) and a 2.4% decrease in export production (EP). A series of sensitivity experiments with different aeolian Fe input are compared to available paleo‐proxy records. The best fit is obtained for a simulation forced with dust fluxes from Lambert et al. (2015), https://doi.org/10.1002/2015gl064250 and reduced Antarctic Bottom Water formation in the Weddell Sea. The 78% increase in aeolian Fe input in the Southern Ocean in this simulation increases the Southern Ocean EP by 4.4%, while NPP remains 8.7% weaker compared to preindustrial.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».