Simulating the decadal‐ to millennial‐scale dynamics of morphology and sequestered carbon mobilization of two thermokarst lakes in NW Alaska
Notice bibliographique
Résumé
Thermokarst lakes alter landscape topography and hydrology in widespread permafrost regions and mobilize significant permafrost carbon pools, including releasing methane (CH 4 ) to the atmosphere. Despite this, the dynamics of lake evolution, permafrost thawing, and carbon mobilization are not well known. We present a 3‐D numerical model of thermokarst lakes on organic‐rich yedoma permafrost terrains with surface water flow and pooling naturally defining lakes that deepen, expand laterally, and drain due to talik formation, bank retreat, and both gradual and catastrophic drainage. We predict the 3‐D pattern of microbial methane production within the talik over time. As a first model test and calibration, beginning with small protolakes, we simulated 10,000 years of evolution of Pear and Claudi lakes, two neighboring thermokarst features on the northern Seward Peninsula, Alaska. Simulated lakes approximated observed bathymetry, but results are sensitive to initial topography and soil ice content. Local topography caused markedly different dynamics for the two lakes. Pear expanded rapidly across low‐relief topography, fully drained multiple times, and released little methane in later stages due to Pleistocene carbon depletion by the first and largest lake generation. Claudi grew slowly and continuously across high‐relief topography, forming high subaerial banks; partial drainages left remnant horseshoe lakes that continued to expand into virgin yedoma, mobilizing carbon at roughly the same rate irrespective of lake drainage. The ∼2× discrepancy between simulated CH 4 production and observed emission rates in Claudi likely results from misestimation of hot spot ebullition, labile carbon content, CH 4 :CO 2 production ratio, or microbial CH 4 oxidation.
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) | 0,000 | 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; 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 ».