Reviews and syntheses: expanding the global coverage of gross primary production and net community production measurements using Biogeochemical-Argo floats
Notice bibliographique
Résumé
Abstract. This paper provides an overview and demonstration of emerging float-based methods for quantifying gross primary production (GPP) and net community production (NCP) using Biogeochemical-Argo (BGC-Argo) float data. Recent publications have described GPP methods that are based on the detection of diurnal oscillations in upper-ocean oxygen or particulate organic carbon concentrations using single profilers or a composite of BGC-Argo floats. NCP methods rely on budget calculations to partition observed tracer variations into physical or biological processes occurring over timescales greater than 1 d. Presently, multi-year NCP time series are feasible at near-weekly resolution, using consecutive or simultaneous float deployments at local scales. Results, however, are sensitive to the choice of tracer used in the budget calculations and uncertainties in the budget parameterizations employed across different NCP approaches. Decadal, basin-wide GPP calculations are currently achievable using data compiled from the entire BGC-Argo array, but finer spatial and temporal resolution requires more float deployments to construct diurnal tracer curves. A projected, global BGC-Argo array of 1000 floats should be sufficient to attain annual GPP estimates at 10∘ latitudinal resolution if floats profile at off-integer intervals (e.g., 5.2 or 10.2 d). Addressing the current limitations of float-based methods should enable enhanced spatial and temporal coverage of marine GPP and NCP measurements, facilitating global-scale determinations of the carbon export potential, training of satellite primary production algorithms, and evaluations of biogeochemical numerical models. This paper aims to facilitate broader uptake of float GPP and NCP methods, as singular or combined tools, by the oceanographic community and to promote their continued development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,019 | 0,026 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».