Reconciliation of total particulate organic carbon and nitrogen measurements determined using contrasting methods in the North Pacific Ocean as part of the NASA EXPORTS field campaign
Notice bibliographique
Résumé
Measurements of particulate organic carbon (POC) are critical for understanding the ocean carbon cycle, including biogenic particle formation and removal processes, and for constraining models of carbon cycling at local, regional, and global scales. Despite the importance and ubiquity of POC measurements, discrepancies in methods across platforms and users, necessary to accommodate a multitude of needs and logistical constraints, commonly result in disparate results. Considerations of filter type and pore size, sample volume, collection method, and contamination sources underscore the potential for dissimilar measurements of the same variable assessed using similar and different approaches. During the NASA EXport Processes in the Ocean from RemoTe Sensing (EXPORTS) 2018 field campaign in the North Pacific Ocean, multiple methodologies and sampling approaches for determining POC were applied, including surface inline flow-through systems and depth profiles using Niskin bottles, in situ pumps, and Marine Snow Catchers. A comparison of results from each approach and platform often resulted in significant differences. Supporting measurements, however, provided the means to normalize results across datasets. Using knowledge of contrasting protocols and synchronous or near-synchronous measurements of associated environmental variables, we were able to reconcile dataset differences to account for undersampling of some particle types and sizes, possible sample contamination and blank corrections. These efforts resulted in measurement agreement between initially contrasting datasets and insights on long-acknowledged but rarely resolved discrepancies among contrasting methods for assessing POC concentrations in the ocean.
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 | 0,002 | 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 | 0,000 |
| 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 ».