Vulnerability of shallow subarctic lakes to evaporate and desiccate when snowmelt runoff is low
Notice bibliographique
Résumé
Abstract Snowmelt is a crucial source of water for many shallow subarctic lakes, but climate models predict that snowfall will decrease in some regions, with profound ecological consequences. Here we use lake water isotope data across gradients of terrestrial vegetation cover (open tundra to closed forest) and topographic relief to identify lakes that are vulnerable to desiccation under conditions of low snowmelt runoff in two subarctic landscapes—Old Crow Flats, Yukon, and Hudson Bay Lowlands, Manitoba (Canada). Lakes located in low‐relief, open tundra catchments in both landscapes displayed a systematic, positive offset between directly measured lake water δ 18 O over multiple sampling campaigns and lake water δ 18 O inferred from cellulose in recently deposited surface sediments. We attribute this offset to a strong evaporative 18 O‐enrichment response to lower‐than‐average snowmelt runoff in recent years. Notably, some lakes underwent near‐complete desiccation during midsummer 2010 following a winter of very low snowfall. Based on the paleolimnological record of one such lake, the extremely dry conditions in 2010 may be unprecedented in the past ~200 years. Findings fuel concerns that a decrease in snowmelt runoff will lead to widespread desiccation of shallow lakes in these landscapes.
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) | 0,006 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».