MétaCan
Menu
← Retour à la cohorte
Enregistrement W4281781554 · doi:10.1029/2022gl098720

Mixed Layer Depth Promotes Trophic Amplification on a Seasonal Scale

2022· article· en· W4281781554 sur OpenAlexfundno aff
Tianfei Xue, Ivy Frenger, Andreas Oschlies, Charles A. Stock, Wolfgang Koeve, Jasmin G. John, A. E. Friederike Prowe

Notice bibliographique

RevueGeophysical Research Letters · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesChina Scholarship CouncilBundesministerium für Bildung und ForschungUniversity of Victoria
Mots-clésUpwellingTrophic levelPhytoplanktonMixed layerEnvironmental scienceZooplanktonBiogeochemical cycleProductivityOceanographyAtmospheric sciencesEcologyBiologyNutrientGeology

Résumé

récupéré en direct d'OpenAlex

Abstract The Humboldt Upwelling System is of global interest due to its importance to fisheries, though the origin of its high productivity remains elusive. In regional physical‐biogeochemical model simulations, the seasonal amplitude of mesozooplankton net production exceeds that of phytoplankton, indicating “seasonal trophic amplification.” An analytical approach identifies amplification to be driven by a seasonally varying trophic transfer efficiency due to mixed layer variations. The latter alters the vertical distribution of phytoplankton and thus the zooplankton and phytoplankton encounters, with lower encounters occurring in a deeper mixed layer where phytoplankton are diluted. In global model simulations, mixed layer depth appears to affect trophic transfer similarly in other productive regions. Our results highlight the importance of mixed layer depth for trophodynamics on a seasonal scale with potential significant implications, given mixed layer depth changes projected under climate change.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,056
Tête enseignante GPT0,274
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), 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

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research Letters→Même sujetMarine and coastal ecosystems→Travaux en français237 207→