Assessing the impacts of simulated Ocean Alkalinity Enhancement on viability and growth of near-shore species of phytoplankton
Notice bibliographique
Résumé
Abstract. Over the past 250 years, atmospheric CO2 concentrations have risen steadily from 277 ppm to 405 ppm, driving global climate change. In response, new technologies are being developed to reduce emissions and to remove carbon from the atmosphere using negative emission technologies (NETs). One proposed NET is Ocean Alkalinity Enhancement (OAE), which would mimic the ocean’s natural weathering processes, raising alkalinity and pH and sequestering carbon dioxide from the atmosphere. The potential impacts of OAE were assessed through an analysis of prior studies investigating the effects of elevated pH on phytoplankton growth rates and by experimental assessment of the pH-dependence of viability and growth rates in two near-shore isolates of phytoplankton. Viability was assessed with a modified Serial Dilution Culture – Most Probable Number assay. Chlorophyll a fluorescence was used to test for changes in photosynthetic competence and apparent growth rates. There were no significant impacts on the viability or growth rates of the diatom Thalassiosira pseudonana and the prymnesiophyte Diacronema lutheri (formerly Pavlova lutheri) with short-term (10-minute) exposure to elevated pH. However, there was a significant decrease in growth rates with long-term (days) exposure to elevated pH. Short-term exposure is anticipated to more closely mirror the natural systems in which OAE will be implemented because of system flushing and dilution. These preliminary findings suggest that there will be little to no impact on a variety of taxonomic groups of phytoplankton when OAE occurs in naturally flushed systems.
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 | 0,000 |
| 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) | 0,001 | 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 ».