CbPM estimates of net primary production in the North Atlantic from profiling floats and satellites diverge seasonally due to fluorescence and vertical extrapolation effects
Notice bibliographique
Résumé
Abstract Marine net primary production (NPP), defined as the difference between gross production and phytoplankton respiration, is often estimated using algorithms applied to remote sensing data. While assumptions are needed to extend surface satellite observations through depth, some NPP algorithms, like the Carbon‐based Productivity Model (CbPM), have been adapted to vertically resolved data collected by autonomous profiling floats. Such applications eliminate the need for vertical extrapolation but introduce challenges related to float measurements of fluorescence rather than chlorophyll‐ a (Chl‐ a ; required CbPM input). This study analyzes over a decade of float observations from the North Atlantic to estimate NPP using CbPM and quantify its sensitivity to different input parameters: (a) fluorescence versus Chl‐ a , (b) vertically extrapolated versus depth‐resolved information, and (c) in situ versus remote observations of the first optical depth—the impacts of which vary seasonally and regionally. In higher latitude waters, converting float fluorescence to Chl‐ a using a novel correction based on satellite data produces significantly smaller NPP estimates at seasonal and annual timescales. In contrast, extrapolation and platform‐related differences largely compensate when integrated vertically and annually, such that cumulative annual depth‐integrated NPP (iNPP) estimates computed with fluorescence‐corrected float measurements are statistically indistinguishable from those extrapolated from satellite observations. These effects are reversed in the subtropics: discrepancies due to fluorescence compensate vertically and annually, whereas annual iNPP estimates from depth‐resolved float measurements significantly outweigh those of satellites. Seasonal changes to the sign, timing, and vertical structure of NPP discrepancies suggest persistent sub‐seasonal disagreement between platforms, highlighting knowledge gaps in understanding NPP.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».