From small-scale variability to mesoscale stability in surface ocean pH: implications for air–sea CO <sub>2</sub> equilibration
Notice bibliographique
Résumé
Abstract. One important aspect of understanding ocean acidification is the nature and drivers of pH variability in surface waters on smaller spatial (i.e. areas up to 100 km2) and temporal (i.e. days) scales. However, there has been a lack of high-quality pH data at sufficiently high resolution. Here, we describe a simple optical system for continuous high-resolution surface seawater pH measurements. The system includes a PyroScience pH optode placed in a flow-through cell directly connected to the underway supply of a ship through which near-surface seawater is constantly pumped. Seawater pH is measured at a rate of 2 to 4 measurements min−1 and is cross-calibrated using discrete carbonate system observations (total alkalinity, dissolved inorganic carbon, and nutrients). This setup was used during two research cruises in different oceanographic conditions: the North Atlantic Ocean (December 2020–January 2021) and the South Pacific Ocean (February–April 2022). By leveraging this novel high-frequency measurement approach, our findings reveal fine-scale fluctuations in surface seawater pH across the North Atlantic and South Pacific oceans. While temperature is a significant abiotic factor driving these variations, it does not account for all observed changes. Instead, our results highlight the interplay between temperature, biological activity, and waters with distinct temperature–salinity properties and their impact on pH. Notably, the variability differed between the two regions, suggesting differences in the dominant factors influencing pH. In the South Pacific, biological processes appeared to be mostly responsible for pH variability, while in the North Atlantic, additional abiotic and biotic factors complicated the correlation between expected and observed pH changes. While our findings indicate that broader ocean-basin-scale analyses based on lower-resolution datasets can effectively capture surface ocean CO2 variability at a global scale, they also highlight the necessity of fine-scale observations for resolving regional processes and their drivers, which is essential for improving predictive models of ocean acidification and air–sea CO2 exchange.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».