MétaCan
Menu
Retour à la cohorte
Enregistrement W4225112990 · doi:10.3389/fmars.2022.864214

Distribution of Different Scrippsiella acuminata (Dinophyta) Cyst Morphotypes in Surface Sediments of the Black Sea: A Basin Scale Approach

2022· article· en· W4225112990 sur OpenAlexfundno aff
Nina Dzhembekova, Fernando Rubino, Manuela Belmonte, Ivelina Zlateva, Nataliya Slabakova, Petya Ivanova, Violeta Slabakova, Satoshi Nagai, Snejana Moncheva

Notice bibliographique

RevueFrontiers in Marine Science · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and environmental studies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Resources Canada
Mots-clésPlanktonIntraspecific competitionDinoflagellateAbundance (ecology)BiologySalinityWater columnBenthic zoneOceanographyEcologyBloomStructural basinSpatial distributionEnvironmental scienceGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Plankton cyst abundance and distribution is controlled by multiple factors. The stress linked to the fluctuations and variations of the environmental conditions in the water column is a major vector of encystment and intraspecific variability is an important adaptive strategy. The present study aims to disclose a link between the spatial distribution and abundance of different cyst morphotypes of Scrippsiella acuminata complex in surface sediments collected in the Black Sea at 34 sites and selected environmental variables. With this purpose, a basin scale data set was analyzed for patterns of intraspecific spatial heterogeneity. Redundancy analysis (RDA) was implemented to identify explanatory environmental variables associated with the cyst morphotypes abundance. Environmental multiyear data were used to ensure better approximation of a model that links environmental gradients with cyst abundance. Our results show that all S. acuminata cysts morphotypes are significantly correlated to one or a combination of the environmental variables, i.e., salinity, temperature and nutrients (nitrates and phosphates). The geographical distribution of Scrippsiella blooms in the Black Sea indicates that the interplay between the planktonic and benthic habitat of the dinoflagellate gives to S. acuminata the advantage to dominate in the plankton communities.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,576

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 technologies0,0000,001
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 Opus0,007
Tête enseignante GPT0,176
Écart entre enseignants0,169 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetMarine and environmental studiesTravaux en français237 207