High performance liquid chromatography phytoplankton pigment timeseries for the northern Salish Sea and central coast, British Columbia
Notice bibliographique
Résumé
High performance liquid chromatography (HPLC) is a method that quantifies concentrations of phytoplankton pigments from bulk water samples. Phytoplankton species groupings (i.e. diatoms, dinoflagellates, etc.) typically contain different pigments, and concentrations of pigments, used for photosynthesis. These differences make it possible to use statistical methods (e.g. chemotaxonomic analysis, CHEMTAX) to estimate phytoplankton group-level biomass contributions within a bulk water sample. These methods provide unique and valuable insight into phytoplankton community dynamics as they quantify the full phytoplankton size-spectrum, are relatively fast and cost-effective and, are directly relatable to remote sensing (i.e. pigments drive differences in light measured by satellites). Furthermore, HPLC is considered the gold-standard for quantifying phytoplankton total chlorophyll a concentrations (TChla, proxy for bulk phytoplankton biomass) required for satellite remote sensing validation. The Hakai institute has been collecting HPLC samples in the northern Salish Sea (NSS) at the QU39 long-term ecological research (LTER) station and at various stations on the central coast of British Columbia since 2015. These data are used to monitor phytoplankton group level dynamics, build knowledge of different environmental conditions driving their variability (Del Bel Belluz et al., 2021), investigate linkages to the food web and carbonate system, evaluate long-term change and, to build regional remote sensing models (Vishnu et al., 2022). Data from station QU39 within the NSS are collected weekly and from 2015-2019 at 5m depth and afterwards at 0, 5, 10 and 20m depth. On the central coast of British Columbia, data are collected monthly at 5m depth. Samples are analyzed at the University of South Carolina Baruch Institute for Marine and Coastal Sciences using the USC method. This method was evaluated and is detailed in the NASA Fourth SeaWiFS HPLC Analysis Round-Robin Experiment (SeaHARRE-4, Hooker et al., 2010). Phytoplankton form the base of the marine food web and play key roles in biogeochemical cycling and carbon sequestration. The high turnover rates of phytoplankton species make them ideal sentinels of environmental change as they quickly respond to perturbations; however, a paucity of data, notably in terms of community composition, exists across coastal systems hindering the derivation of baseline conditions to assess change. This knowledge gap is especially pertinent when considering that coastal regions are experiencing rapid climate-driven change including increased temperature and acidification, reduced oxygen and altered freshwater dynamics. The synergy of these influences has the potential to alter phytoplankton community and size structure having large downstream implications on ecosystem resiliency, food production and climate regulation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».