MétaCan
Menu
Retour à la cohorte
Enregistrement W4297264809 · doi:10.1111/gcb.16421

Bottom‐associated phytoplankton bloom and its expansion in the Arctic Ocean

2022· article· en· W4297264809 sur OpenAlexaboutno aff
Takuhei Shiozaki, Amane Fujiwara, Koji Sugie, Shigeto Nishino, Akiko Makabe, Naomi Harada

Notice bibliographique

RevueGlobal Change Biology · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of ScienceMinistry of Education, Culture, Sports, Science and Technology
Mots-clésOceanographyArcticPhytoplanktonBloomEnvironmental scienceDiatomSeafloor spreadingSea iceIrradianceGeologyCanada BasinNutrientEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Phytoplankton production in the Arctic Ocean is increasing due to global warming-induced sea ice loss, which is generally assessed through satellite observations of surface chlorophyll. Here we show that a diatom bloom can occur near the seafloor rather than at the surface in the open Arctic Ocean. Light can reach the seafloor underlying nutrient-rich bottom water after the spring bloom because the surface water becomes oligotrophic and increases transparency in the region of shallow Arctic shelf. Our microcosm experiment demonstrated that diatoms formed a bloom when sediments on the shelf region, which contained abundant viable diatom cells, were exposed to even weak light reaching the seafloor (~1% of the surface irradiance). Repeated shipboard observations in the shelf region suggested that such bottom-associated blooms occurred occasionally and the primary production was significantly underestimated by satellite observations. The average bottom irradiance (2003-2017) in the Arctic Ocean is particularly promoted in summer in the eastern East Siberian Sea and the Foxe Basin, which were ice-covered throughout the year until the 1990s. Our results imply that hidden bottom-associated blooms are now widespread across the shallow Arctic shelf region.

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)0,000
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 enseignants0,034
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,028
Tête enseignante GPT0,227
Écart entre enseignants0,199 · 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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Change BiologyMême sujetMarine and coastal ecosystemsTravaux en français237 207