Niche partitioning by photosynthetic plankton as a driver of CO2-fixation across the oligotrophic South Pacific Subtropical Ocean
Notice bibliographique
Résumé
Abstract Oligotrophic ocean gyre ecosystems may be expanding due to rising global temperatures [1–5]. Models predicting carbon flow through these changing ecosystems require accurate descriptions of phytoplankton communities and their metabolic activities [6]. We therefore measured distributions and activities of cyanobacteria and small photosynthetic eukaryotes throughout the euphotic zone on a zonal transect through the South Pacific Ocean, focusing on the ultraoligotrophic waters of the South Pacific Gyre (SPG). Bulk rates of CO2 fixation were low (0.1 µmol C l−1 d−1) but pervasive throughout both the surface mixed-layer (upper 150 m), as well as the deep chlorophyll a maximum of the core SPG. Chloroplast 16S rRNA metabarcoding, and single-cell 13CO2 uptake experiments demonstrated niche differentiation among the small eukaryotes and picocyanobacteria. Prochlorococcus abundances, activity, and growth were more closely associated with the rims of the gyre. Small, fast-growing, photosynthetic eukaryotes, likely related to the Pelagophyceae, characterized the deep chlorophyll a maximum. In contrast, a slower growing population of photosynthetic eukaryotes, likely comprised of Dictyochophyceae and Chrysophyceae, dominated the mixed layer that contributed 65–88% of the areal CO2 fixation within the core SPG. Small photosynthetic eukaryotes may thus play an underappreciated role in CO2 fixation in the surface mixed-layer waters of ultraoligotrophic ecosystems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,005 | 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 tête enseignante, 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 ».