Spatio‐temporal variation of gross <scp><scp>CO<sub>2</sub></scp></scp> and <scp><scp>CH<sub>4</sub></scp></scp> diffusive emissions from <scp>A</scp>ustralian reservoirs and natural aquatic ecosystems, and estimation of net reservoir emissions
Notice bibliographique
Résumé
Abstract Carbon dioxide ( CO 2 ) and methane ( CH 4 ) diffusive emissions were measured during two field surveys in Q ueensland and T asmania, A ustralia, using the floating chamber method. Bubbling and degassing emissions in 2010 were estimated in K oombooloomba D am reservoir using only inverted funnels and gas concentrations, respectively. A total of 14 reservoirs and 16 rivers and lakes were sampled from 2006 to 2010. Spatial variation was substantial within each water body, as well as between them. The main drivers of diffusive emission variation were physiographic region and climate, with a clear demarcation being observed between diffusive emissions from tropical Q ueensland and temperate T asmania, and between the humid W est C oast R ange ( T asmania) and dry C entral P lateau ( T asmania). Higher CO 2 and CH 4 diffusive emissions were observed during the dry season, when long water residence times would promote organic matter degradation. Estimated total gross emissions, including diffusive, bubbling and degassing emissions, for K oombooloomba D am reservoir were about 1.5 × 10 6 t CO 2 eq km 2 per year, or 24 × 10 6 t CO 2 eq per year. This corresponds to a plant emission factor of 3.18 kg CO 2 eq MW h −1 . Using an estimate of terrestrial emissions derived from literature data for the T ully R iver catchment area, rough estimated net emissions from the catchment area are about 44 kt CO 2 eq per year, or 5.83 kg CO 2 eq MW h −1 , which is in the lower range of the studied reservoirs.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; 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 ».