Processes controlling aggregate formation and distribution during the Arctic phytoplankton spring bloom in Baffin Bay
Notice bibliographique
Résumé
In the last decades, the Arctic Ocean has been affected by climate change, leading to alterations in the sea ice cover that influence the phytoplankton spring bloom, its associated food web, and therefore carbon sequestration. During the Green Edge 2016 expedition in the central Baffin Bay, the phytoplankton spring bloom and its development around the ice edge was followed along 7 transects from open water to the ice-pack interior. Here, we studied some of the processes driving phytoplankton aggregation, using aggregate and copepod distribution profiles obtained with an underwater vision profiler deployed at several stations along the transects. Our results revealed a sequential pattern during sea ice retreat in phytoplankton production and in aggregate production and distribution. First, under sea ice, phytoplankton started to grow, but aggregates were not formed. Second, after sea ice melting, phytoplankton (diatoms and Phaeocystis spp. as the dominant groups) benefited from the light availability and stratified environment to bloom, and aggregation began coincident with nutrient depletion at the surface. Third, maxima of phytoplankton aggregates deepened in the water column and phytoplankton cells at the surface began to degrade. At most stations, silicate limitation began first, triggering aggregation of the phytoplankton cells; nitrate limitation came later. Copepods followed aggregates at the end of the phytoplankton bloom, possibly because aggregates provided higher quality food than senescing phytoplankton cells at the surface. These observations suggest that aggregation is involved in 2 export pathways constituting the biological pump: the gravitational pathway through the sinking of aggregates and fecal pellets and the migration pathway when zooplankton follow aggregates during food foraging.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».