MétaCan
Menu
Retour à la cohorte
Enregistrement W4322732304 · doi:10.1038/s41586-023-05760-y

Coastal phytoplankton blooms expand and intensify in the 21st century

2023· article· en· W4322732304 sur OpenAlexaff
Yanhui Dai, Shangbo Yang, Dan Zhao, Chuanmin Hu, Wang Xu, Donald M. Anderson, Yun Li, Xiao‐Peng Song, Daniel G. Boyce, Luke Gibson, Chunmiao Zheng, Lian Feng

Notice bibliographique

RevueNature · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans Canada
Organismes subventionnairesNational Institute of Environmental Health SciencesNational Natural Science Foundation of ChinaNational Aeronautics and Space AdministrationNational Institutes of HealthNational Science Foundation
Mots-clésAlgal bloomPhytoplanktonBloomOceanographyEnvironmental scienceMarine ecosystemSubtropicsRed tideEcosystemNorthern HemisphereFisheryClimatologyEcologyBiologyGeologyNutrient

Résumé

récupéré en direct d'OpenAlex

-yet detailed characterizations of bloom incidence and distribution are not available worldwide. Here we map daily marine coastal algal blooms between 2003 and 2020 using global satellite observations at 1-km spatial resolution. We found that algal blooms occurred in 126 out of the 153 coastal countries examined. Globally, the spatial extent (+13.2%) and frequency (+59.2%) of blooms increased significantly (P < 0.05) over the study period, whereas blooms weakened in tropical and subtropical areas of the Northern Hemisphere. We documented the relationship between the bloom trends and ocean circulation, and identified the stimulatory effects of recent increases in sea surface temperature. Our compilation of daily mapped coastal phytoplankton blooms provides the basis for global assessments of bloom risks and benefits, and for the formulation or evaluation of management or policy actions.

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 enseignants0,008
Score d'incertitude au seuil0,016

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,007
Tête enseignante GPT0,208
Écart entre enseignants0,201 · 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

Citations592
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNatureMême sujetMarine and coastal ecosystemsTravaux en français237 207