Lethal by design? Guiding environmental assessments of ocean alkalinity enhancement toward realistic contextualization of the alkalinity perturbation
Notice bibliographique
Résumé
Ocean Alkalinity Enhancement (OAE) aims to mitigate climate change by increasing the chemical capacity of seawater to store anthropogenic CO2. OAE can be implemented through multiple pathways, each of which intentionally modifies marine carbonate chemistry through increases in total alkalinity (TA). Experimental research has only recently begun to assess how such TA perturbations (∆TA) affect ocean geochemical processes and ecosystems. Meaningful assessments need context on how ∆TA induced by different OAE pathways would evolve over time and in magnitude. Here, we use a dilution equation, a regional model, and a global model to explore how marine systems and life styles would experience ∆TA under realistic constraints. We find that a more extreme ∆TA of >1000 μmol kg-1, a perturbation commonly considered in OAE experiments, only occurs for minutes in a miniscule fraction of the OAE-perturbed seawater volume. In contrast, ∆TA between 1-100 μmol kg-1 is a ubiquitous perturbation range for OAE under real-world constraints, yet rarely in focus of environmental OAE assessments. These results suggest that there is a disconnect between real-world ∆TA that can plausibly be invoked by OAE and the experimental ∆TA range frequently used in the context of the environmental OAE assessment. While “unrealistic” ∆TA can provide crucial insights into response patterns to OAE, they can also cause overestimation of OAE effects, if the unrealistic ∆TA is not contextualized appropriately. Our results can be used to improve the contextualization of OAE studies, thereby making the interpretation of ∆TA effects on the environment more robust.
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 ».