MétaCan
Menu
Retour à la cohorte
Enregistrement W3211121570 · doi:10.1038/s42003-021-02776-w

Sea ice presence is linked to higher carbon export and vertical microbial connectivity in the Eurasian Arctic Ocean

2021· article· en· W3211121570 sur OpenAlexaff
Eduard Fadeev, Andreas Rogge, Simon Ramondenc, Eva‐Maria Nöthig, Claudia Wekerle, Christina Bienhold, Ian Salter, Anya M. Waite, Laura Hehemann, Antje Boëtius, Morten Hvitfeldt Iversen

Notice bibliographique

RevueCommunications Biology · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensBedford Institute of Oceanography
Organismes subventionnairesMax-Planck-GesellschaftDeutsche ForschungsgemeinschaftAustrian Science FundEuropean Commission
Mots-clésSea iceArctic ice packOceanographyEnvironmental scienceBenthic zoneArcticDiatomPelagic zoneAntarctic sea iceArctic sea ice declineGeology

Résumé

récupéré en direct d'OpenAlex

Arctic Ocean sea ice cover is shrinking due to warming. Long-term sediment trap data shows higher export efficiency of particulate organic carbon in regions with seasonal sea ice compared to regions without sea ice. To investigate this sea-ice enhanced export, we compared how different early summer phytoplankton communities in seasonally ice-free and ice-covered regions of the Fram Strait affect carbon export and vertical dispersal of microbes. In situ collected aggregates revealed two-fold higher carbon export of diatom-rich aggregates in ice-covered regions, compared to Phaeocystis aggregates in the ice-free region. Using microbial source tracking, we found that ice-covered regions were also associated with more surface-born microbial clades exported to the deep sea. Taken together, our results showed that ice-covered regions are responsible for high export efficiency and provide strong vertical microbial connectivity. Therefore, continuous sea-ice loss may decrease the vertical export efficiency, and thus the pelagic-benthic coupling, with potential repercussions for Arctic deep-sea 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 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 enseignants0,085
Score d'incertitude au seuil0,238

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 ouverte0,0010,001
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 Opus0,031
Tête enseignante GPT0,281
Écart entre enseignants0,250 · 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

Citations64
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications BiologyMême sujetMethane Hydrates and Related PhenomenaTravaux en français237 207