MétaCan
Menu
Retour à la cohorte
Enregistrement W4283792177 · doi:10.1038/s41597-022-01434-y

An 8-year record of phytoplankton productivity and nutrient distributions from surface waters of Saanich Inlet

2022· article· en· W4283792177 sur OpenAlexafffundabout
Sile M. Kafrissen, Karina E. Giesbrecht, Brandon J. McNabb, Jennifer E Long, Curtis W. Martin, Shea N. Wyatt, Marcos Lagunas, Diana E. Varela

Notice bibliographique

RevueScientific Data · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of CanadaUniversity of Victoria
Mots-clésPhytoplanktonInletNutrientProductivityEnvironmental scienceOceanographyPrimary productivityEcologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Phytoplankton are the base of nearly all marine food webs and mediate the interactions of biotic and abiotic components in marine systems. Understanding the spatial and temporal changes in phytoplankton growth requires comprehensive biological, physical, and chemical information. Long-term datasets are an invaluable tool to study these changes, but they are rare and often include only a small set of measurements. Here, we present biological, physical and chemical oceanographic data measured periodically between March 2010 and November 2017 from the euphotic zone of Saanich Inlet, a temperate fjord on the west coast of British Columbia, Canada. The dataset includes measurements of dissolved macronutrients, total and size-fractionated chlorophyll-a, particulate carbon, nitrogen and biogenic silica, and carbon and nitrate uptake rates. This collection describes phytoplankton dynamics and the distribution of biologically-available macronutrients over time in the upper water column of Saanich Inlet. We establish a baseline for future investigations in Saanich Inlet and provide a data collection protocol that can be applied to similar productive coastal regions.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,400
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,040
Tête enseignante GPT0,281
Écart entre enseignants0,241 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetWater Quality and Pollution AssessmentTravaux en français237 207