Temperature-enhanced effects of iron on Southern Ocean phytoplankton
Notice bibliographique
Résumé
Abstract. Iron (Fe) is a key limiting nutrient for Southern Ocean phytoplankton. Input of Fe into the Southern Ocean is projected to change due to global warming, yet the combined effects of a concurrent increase in temperature with dissolved Fe (dFe) addition on phytoplankton growth and community composition have not been extensively studied. To improve our understanding of how Antarctic phytoplankton communities respond to Fe and enhanced temperature, we performed four full factorial onboard bioassays under trace-metal-clean conditions with phytoplankton communities from different regions of the Weddell Sea and the Amundsen Sea in the Southern Ocean. Treatments consisted of 2 nM Fe addition with 2 °C warming (TF), Fe addition at in situ temperature (F) +2 °C warming with no Fe addition (T) and a control at in situ temperature with no Fe addition (control, C). Temperature had a limited effect by itself but boosted the positive response of the phytoplankton to Fe addition. Photosynthetic efficiency, phytoplankton abundances and chlorophyll a concentrations typically increased (significantly) with Fe addition (F and/or TF treatment), and the phytoplankton community generally shifted from haptophytes to diatoms upon Fe addition. The < 20 µm phytoplankton fraction displayed population-specific growth responses, resulting in a pronounced shift in community composition and size distribution (mainly towards larger-sized phytoplankton) for the F and TF treatments. Such a distinct enhanced impact of dFe supply with warming on Antarctic phytoplankton size, growth and composition will likely affect trophic transfer efficiency and ecosystem structure, with potential significance for the biological carbon pump.
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 | 0,000 | 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) | 0,000 | 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 ».