Can intense storms affect sinking particle dynamics after the North Atlantic spring bloom?
Notice bibliographique
Résumé
Abstract The sinking of large particles (i.e., marine snow) has long been recognized as a key pathway for efficient particulate organic carbon (POC) export to the ocean interior during the decline of spring diatom blooms. Recent work has suggested that particles smaller than marine snow can also substantially contribute to POC export. However, a detailed characterization of small and large sinking particles at the end of blooms is missing. Here, we separately collected suspended and small and large sinking particles using Marine Snow Catchers and assessed their biogeochemical composition after the North Atlantic spring bloom in May 2021. During the 3 weeks of sampling, when four intense storms (maximum wind speeds 37–50 kt) created high turbulent kinetic energy dissipation rates and deepened the mixed layer, we observed two distinct sedimentation events. At first, sinking particles were dominated by small (diameter < 0.1 mm), slowly sinking ( 18 m d −1 ), particles rich in silica that carried a moderate POC flux (< 6 mmol C m −2 d −1 ) to 500 m depth. Once the storms ceased, the volume of large (diameter > 0.1 mm), fast‐sinking (> 75 m d −1 ), carbon‐rich marine snow aggregates (not fecal pellets) increased exponentially and POC fluxes at 100 m depth were more than fourfold greater (30 ± 12 mmol C m −2 d −1 ) than those during the previous event. The aggregates consisted of a mixed post‐bloom plankton community. Our data suggest that the storms shaped the timing, type, and magnitude of POC flux at the end of this spring phytoplankton bloom.
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 ».