Seafloor primary production in a changing Arctic Ocean
Notice bibliographique
Résumé
Phytoplankton and sea ice algae are traditionally considered to be the main primary producers in the Arctic Ocean. In this Perspective, we explore the importance of benthic primary producers (BPPs) encompassing microalgae, macroalgae, and seagrasses, which represent a poorly quantified source of Arctic marine primary production. Despite scarce observations, models predict that BPPs are widespread, colonizing ~3 million km 2 of the extensive Arctic coastal and shelf seas. Using a synthesis of published data and a novel model, we estimate that BPPs currently contribute ~77 Tg C y −1 of primary production to the Arctic, equivalent to ~20 to 35% of annual phytoplankton production. Macroalgae contribute ~43 Tg C y −1 , seagrasses contribute ~23 Tg C y −1 , and microalgae-dominated shelf habitats contribute ~11 to 16 Tg C y −1 . Since 2003, the Arctic seafloor area exposed to sunlight has increased by ~47,000 km 2 y −1 , expanding the realm of BPPs in a warming Arctic. Increased macrophyte abundance and productivity is expected along Arctic coastlines with continued ocean warming and sea ice loss. However, microalgal benthic primary production has increased in only a few shelf regions despite substantial sea ice loss over the past 20 y, as higher solar irradiance in the ice-free ocean is counterbalanced by reduced water transparency. This suggests complex impacts of climate change on Arctic light availability and marine primary production. Despite significant knowledge gaps on Arctic BPPs, their widespread presence and obvious contribution to coastal and shelf ecosystem production call for further investigation and for their inclusion in Arctic ecosystem models and carbon budgets.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».