MétaCan
Menu
Retour à la cohorte
Enregistrement W4386225637 · doi:10.1038/s41558-023-01779-1

Sea-ice decline could keep zooplankton deeper for longer

2023· article· en· W4386225637 sur OpenAlexafffund
Hauke Flores, Gaëlle Veyssière, Giulia Castellani, Jeremy Wilkinson, Mario Hoppmann, Michael Kärcher, Lovro Valcic, Astrid Cornils, Maxime Geoffroy, Marcel Nicolaus, Barbara Niehoff, Pierre Priou, Katrin Schmidt, Julienne Strœve

Notice bibliographique

RevueNature Climate Change · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensUniversity of ManitobaMemorial University of Newfoundland
Organismes subventionnairesNatural Environment Research CouncilFisheries and Oceans CanadaOcean Frontier InstituteBundesministerium für Bildung und ForschungCanada First Research Excellence FundArcticNetNorges ForskningsrådEuropean CommissionSight Research UK
Mots-clésZooplanktonSea iceOceanographyArcticEnvironmental sciencePolar nightSunsetSunriseEcosystemArctic sea ice declineMarine ecosystemArctic ice packClimatologyGeographyEcologyAtmospheric sciencesGeologyDrift iceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract As Arctic sea ice deteriorates, more light enters the ocean, causing largely unknown effects on the ecosystem. Using an autonomous biophysical observatory, we recorded zooplankton vertical distribution under Arctic sea ice from dusk to dawn of the polar night. Here we show that zooplankton ascend into the under-ice habitat during autumn twilight, following an isolume of 2.4 × 10 −4 W m −2 . We applied this trigger isolume to CMIP6 model outputs accounting for incoming radiation after sunset and before sunrise of the polar night. The models project that, in about three decades, the total time spent by zooplankton in the under-ice habitat could be reduced by up to one month, depending on geographic region. This will impact zooplankton winter survival, the Arctic foodweb, and carbon and nutrient fluxes. These findings highlight the importance of biological processes during the twilight periods for predicting change in high-latitude ecosystems.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,144
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,032
Tête enseignante GPT0,279
Écart entre enseignants0,247 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations33
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature Climate ChangeMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207