MétaCan
Menu
Retour à la cohorte
Enregistrement W4205683175 · doi:10.1029/2021gl095579

Using End‐Member Models to Estimate Seasonal Carbonate Chemistry and Acidification Sensitivity in Temperate Estuaries

2022· article· en· W4205683175 sur OpenAlexafffund
Eleanor Simpson, Debby Ianson, Karen E. Kohfeld

Notice bibliographique

RevueGeophysical Research Letters · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensFisheries and Oceans CanadaSimon Fraser University
Organismes subventionnairesMarine Environmental Observation Prediction and Response Network
Mots-clésAlkalinityTemperate climateCarbonateTotal inorganic carbonProductivityOcean acidificationEstuaryEnvironmental scienceCarbon fibersCalcium carbonateEnvironmental chemistryOceanographyChemistryCarbon dioxideEcologyGeologySeawaterBiologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract We measured the carbonate system (between 2015 and 2018) in an isolated and a well‐connected temperate estuary, both known for shellfish growth. We evaluated end‐member model estimates of inorganic carbon, alkalinity, pH, mineral saturation states (Ω a ), and pH sensitivity (βDIC). We find winter conditions are estimated within observational uncertainty. Spring‐summer primary productivity elevates observed pH and Ω a above theoretical lines, beyond uncertainty. Both estuaries are sensitive in winter and likely to experience rapid pH changes with increased inorganic carbon inputs. Summer pH sensitivity is reduced by productivity and is least sensitive in the midsalinity region. We estimate carbon increased by up to 49 μmol kg −1 , since the pre‐industrial period resulting in significant decreases in pH (0.2) and Ω a (0.5). The largest pH decrease occurred outside the minimum buffer zone, at higher salinities where carbon increase was greatest. The largest pH decrease occurred in winter, but the largest Ω a decrease occured in summer.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,541
Score d'incertitude au seuil0,466

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,064
Tête enseignante GPT0,324
Écart entre enseignants0,260 · 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'étudeSimulation ou modélisation
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

Citations24
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetOcean Acidification Effects and ResponsesTravaux en français237 207