Evaluation of new and net community production estimates by multiple ship-based and autonomous observations in the Northeast Pacific Ocean
Notice bibliographique
Résumé
New production (NP) and net community production (NCP) measurements are often used as estimates of carbon export potential from the mixed layer of the ocean, an important process in the regulation of global climate. Diverse methods can be used to measure NP and NCP, from research vessels, autonomous platforms, and remote sensing, each with its own set of benefits and uncertainties. The various methods are rarely applied simultaneously in a single location, limiting our ability for direct comparisons of the resulting measurements. In this study, we evaluated NP and NCP from thirteen independent datasets collected via in situ, in vitro, and satellite-based methods near Ocean Station Papa during the 2018 Northeast Pacific field campaign of the NASA project EXport Processes in the Ocean from RemoTe Sensing (EXPORTS). Altogether, the datasets indicate that carbon export potential was relatively low (median daily averages between −5.1 and 12.6 mmol C m−2 d−1), with most measurements indicating slight net autotrophy in the region. This result is consistent with NCP estimates based on satellite measurements of sea surface temperature and chlorophyll a. We explored possible causes of discrepancies among methods, including differences in assumptions about stoichiometry, vertical integration, total volume sampled, and the spatiotemporal extent considered. Results of a generalized additive mixed model indicate that the spatial variation across platforms can explain much of the difference among methods. Once spatial variation and temporal autocorrelation are considered, a variety of methods can provide consistent estimates of NP and NCP, leveraging the strengths of each approach.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».