Contribution des bactéries hétérotrophes au cycle marin de l'azote dans l'océan Arctique canadien
Bibliographic record
Abstract
L'objectif de mon étude était d'évaluer la contribution des bactéries à l'assimilation d'azote (pN) en surface et au maximum sub-superficiel de chlorophylle (SCM) dans l'océan Arctique canadien afin d'évaluer les impacts possible de cette prise sur le phytoplancton et la production primaire nouvelle telle qu'estimée par le /-ratio (i.e., la proportion de la prise totale d'azote qui est comblée par de l'azote allochtone tel le nitrate). Deux méthodes permettant d'estimer la pN bactérienne ont aussi été comparées: le fractionnement de taille (SM) et la méthode par inhibition des bactéries (IM). Considérant les valeurs obtenues par PIM, qui a semblé être la méthode la plus appropriée dans la zone d'étude, les bactéries ont utilisé surtout l'azote inorganique et peu d'azote organique. L'ammonium (NH/) a été la principale source d'azote pour les bactéries, dont l'avantage compétitif sur le phytoplancton leur a permis d'en être les principaux consommateurs. Malgré la faible lumière qui y persiste, le SCM n'avantage pas les bactéries puisque leur pN est proportionnelle à l'activité phytoplanctonique tant en surface qu'au SCM. L'impact de la soustraction de la pN bactérienne lors de l'estimation du/^ratio est généralement faible mais varie selon la station échantillonnée et dépend de la disponibilité du NH4+ dans l'environnement ainsi que de la proportion de la pN bactérienne totale comblée par le NH4+, le nitrate et l'urée. Cette étude démontre que les bactéries sont d'importants consommateurs d'azote et que cette contribution doit être quantifiée afin d'interpréter correctement la mesure du /-ratio et d'améliorer notre compréhension des cycles de l'azote et du carbone dans l'océan Arctique canadien.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".