Global estimates of the extent and production of macroalgal forests
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Aim Macroalgal habitats are believed to be the most extensive and productive of all coastal vegetated ecosystems. In stark contrast to the growing attention on their contribution to carbon export and sequestration, understanding of their global extent and production is limited and these have remained poorly assessed for decades. Here we report a first data‐driven assessment of the global extent and production of macroalgal habitats based on modelled and observed distributions and net primary production (NPP) across habitat types. Location Global coastal ocean. Time period Contemporary. Major taxa studied Macroalgae. Methods Here we apply a comprehensive niche model to generate an improved global map of potential macroalgal distribution, constrained by incident light on the seafloor and substrate type. We compiled areal net primary production (NPP) rates across macroalgal habitats from the literature and combined this with our estimates of the global extent of these habitats to calculate global macroalgal NPP. Results We show that macroalgal forests are a major biome with a global area of 6.06–7.22 million km 2 , dominated by red algae, and NPP of 1.32 Pg C/year, dominated by brown algae. Main conclusions The global macroalgal biome is comparable, in area and NPP, to the Amazon forest, but is globally distributed as a thin strip around shorelines. Macroalgae are expanding in polar, subpolar and tropical areas, where their potential extent is also largest, likely increasing the overall contribution of algal forests to global carbon sequestration.
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.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle