Physical controls on CH <sub>4</sub> emissions from a newly flooded subtropical freshwater hydroelectric reservoir: Nam Theun 2
Notice bibliographique
Résumé
Abstract. In the present study, we measured independently CH4 ebullition and diffusion in the footprint of an eddy covariance system (EC) measuring CH4 emissions in the Nam Theun 2 Reservoir, a recently impounded (2008) subtropical hydroelectric reservoir located in the Lao People's Democratic Republic (PDR), Southeast Asia. The EC fluxes were very consistent with the sum of the two terms measured independently (diffusive fluxes + ebullition = EC fluxes), indicating that the EC system picked up both diffusive fluxes and ebullition from the reservoir. We showed a diurnal bimodal pattern of CH4 emissions anti-correlated with atmospheric pressure. During daytime, a large atmospheric pressure drop triggers CH4 ebullition (up to 100 mmol m−2 d−1), whereas at night, a more moderate peak of CH4 emissions was recorded. As a consequence, fluxes during daytime were twice as high as during nighttime. Additionally, more than 4800 discrete measurements of CH4 ebullition were performed at a weekly/fortnightly frequency, covering water depths ranging from 0.4 to 16 m and various types of flooded ecosystems. Methane ebullition varies significantly seasonally and depends mostly on water level change during the warm dry season, whereas no relationship was observed during the cold dry season. On average, ebullition was 8.5 ± 10.5 mmol m−2 d−1 and ranged from 0 to 201.7 mmol m−2 d−1. An artificial neural network (ANN) model could explain up to 46% of seasonal variability of ebullition by considering total static pressure (the sum of hydrostatic and atmospheric pressure), variations in the total static pressure, and bottom temperature as controlling factors. This model allowed extrapolation of CH4 ebullition on the reservoir scale and performance of gap filling over four years. Our results clearly showed a very high seasonality: 50% of the yearly CH4 ebullition occurs within four months of the warm dry season. Overall, ebullition contributed 60–80% of total emissions from the surface of the reservoir (disregarding downstream emissions), suggesting that ebullition is a major pathway in young hydroelectric reservoirs in the tropics.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».