MétaCan
Menu
Retour à la cohorte
Enregistrement W4296629382 · doi:10.5194/essd-14-4315-2022

A global marine particle size distribution dataset obtained with the Underwater Vision Profiler 5

2022· article· en· W4296629382 sur OpenAlexaff
Rainer Kiko, Marc Picheral, David Antoine, Marcel Babin, Léo Berline, Tristan Biard, Emmanuel Boss, Peter Brandt, François Carlotti, Svenja Christiansen, Laurent Coppola, Leandro de la Cruz, Emilie Diamond-Riquier, Xavier Durrieu de Madron, Amanda Elineau, Gabriel Gorsky, Lionel Guidi, Helena Hauss, Jean‐Olivier Irisson, Lee Karp‐Boss, Johannes Karstensen, Dong-gyun Kim, Rachel M. Lekanoff, Fabien Lombard, Rubens M. Lopes, Claudie Marec, Andrew M. P. McDonnell, Daniela Niemeyer, Margaux Noyon, Stephanie H. O’Daly, Mark D. Ohman, Jessica L. Pretty, Andreas Rogge, Sarah Searson, Masashi Shibata, Yuji Tanaka, Toste Tanhua, Jan Taucher, Emilia Trudnowska, J. S. Turner, Anya M. Waite, Lars Stemmann

Notice bibliographique

RevueEarth system science data · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensDalhousie UniversityUniversité Laval
Organismes subventionnairesCentre National de la Recherche ScientifiqueBundesministerium für Bildung und ForschungNational Kidney Foundation of South AfricaEuropean CommissionDeutsche ForschungsgemeinschaftAgence Nationale de la RechercheNational Aeronautics and Space AdministrationNational Science Foundation
Mots-clésRange (aeronautics)Particle-size distributionEnvironmental scienceOceanic basinParticle (ecology)OceanographyLatitudeUnderwaterZooplanktonGeologyParticle sizeGeodesyGeomorphologyStructural basin

Résumé

récupéré en direct d'OpenAlex

Abstract. Marine particles of different nature are found throughout the global ocean. The term “marine particles” describes detritus aggregates and fecal pellets as well as bacterioplankton, phytoplankton, zooplankton and nekton. Here, we present a global particle size distribution dataset obtained with several Underwater Vision Profiler 5 (UVP5) camera systems. Overall, within the 64 µm to about 50 mm size range covered by the UVP5, detrital particles are the most abundant component of all marine particles; thus, measurements of the particle size distribution with the UVP5 can yield important information on detrital particle dynamics. During deployment, which is possible down to 6000 m depth, the UVP5 images a volume of about 1 L at a frequency of 6 to 20 Hz. Each image is segmented in real time, and size measurements of particles are automatically stored. All UVP5 units used to generate the dataset presented here were inter-calibrated using a UVP5 high-definition unit as reference. Our consistent particle size distribution dataset contains 8805 vertical profiles collected between 19 June 2008 and 23 November 2020. All major ocean basins, as well as the Mediterranean Sea and the Baltic Sea, were sampled. A total of 19 % of all profiles had a maximum sampling depth shallower than 200 dbar, 38 % sampled at least the upper 1000 dbar depth range and 11 % went down to at least 3000 dbar depth. First analysis of the particle size distribution dataset shows that particle abundance is found to be high at high latitudes and in coastal areas where surface productivity or continental inputs are elevated. The lowest values are found in the deep ocean and in the oceanic gyres. Our dataset should be valuable for more in-depth studies that focus on the analysis of regional, temporal and global patterns of particle size distribution and flux as well as for the development and adjustment of regional and global biogeochemical models. The marine particle size distribution dataset (Kiko et al., 2021) is available at https://doi.org/10.1594/PANGAEA.924375.

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 candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,355
Score d'incertitude au seuil1,000

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 technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,227
Écart entre enseignants0,211 · 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'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

Citations37
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarth system science dataMême sujetMarine and coastal ecosystemsTravaux en français237 207