MétaCan
Menu
Retour à la cohorte
Enregistrement W4290065549 · doi:10.1038/s41597-022-01554-5

A global dataset of seaweed net primary productivity

2022· article· en· W4290065549 sur OpenAlexaff
Albert Pessarrodona, Karen Filbee‐Dexter, Kira A. Krumhansl, Morten Foldager Pedersen, Pippa J. Moore, Thomas Wernberg

Notice bibliographique

RevueScientific Data · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésPrimary productivityPrimary productionProductivityAlgaeNet (polyhedron)Primary (astronomy)Primary producersEnvironmental scienceEcologyBiologyMathematicsPhytoplanktonEcosystemNutrientEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Net primary productivity (NPP) plays a pivotal role in the global carbon balance but estimating the NPP of underwater habitats remains a challenging task. Seaweeds (marine macroalgae) form the largest and most productive underwater vegetated habitat on Earth. Yet, little is known about the distribution of their NPP at large spatial scales, despite more than 70 years of local-scale studies being scattered throughout the literature. We present a global dataset containing NPP records for 246 seaweed taxa at 429 individual sites distributed on all continents from the intertidal to 55 m depth. All records are standardized to annual aerial carbon production (g C m −2 yr −1 ) and are accompanied by detailed taxonomic and methodological information. The dataset presented here provides a basis for local, regional and global comparative studies of the NPP of underwater vegetation and is pivotal for achieving a better understanding of the role seaweeds play in the global coastal carbon cycle.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,313
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,001
Science ouverte0,0020,016
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0240,000

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 Opus0,044
Tête enseignante GPT0,286
Écart entre enseignants0,242 · 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'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations69
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetMarine and fisheries researchTravaux en français237 207