Quantifying lake allochthonous organic carbon budgets using a simple equilibrium model
Notice bibliographique
Résumé
We quantify the allochthonous organic carbon (OC) budgets for seven north temperate lakes, using diverse information about their land cover, hydrology, and limnological characteristics. We develop a simple equilibrium model within a Bayesian framework that exploits the differences among the lakes to estimate three key rates: aerial loading (AOC) and wetland loading (WOC) from adjacent ecosystems and whole‐lake mineralization of OC (RDOC). Combined with observational data, these rates allow for estimates of the total OC loads, mineralization, and sedimentation within lakes and export to downstream ecosystems. AOC was 1.15 g C m−1 (shoreline) d−1, WOC ranged from 0.72 to 3.00 g C m−1 (shoreline) d−1, and RDOC, normalized to 20°C, ranged from 0.00083 to 0.0015 d−1. Total loads ranged from about 5 to 55 g C m−2 yr−1. Ecosystems immediately adjacent to lakes accounted for one‐half or more of total OC loads for some lakes. Whether a lake processed and stored more allochthonous OC than it exported depended primarily on hydrologic residence time. Our equilibrium model provides a parsimonious approach to quantifying allochthonous OC budgets in lakes with relatively minimal baseline data.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; 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 ».