MétaCan
Menu
Retour à la cohorte
Enregistrement W2258601458 · doi:10.1080/11956860.2015.1047137

Dissolved organic matter concentration, optical parameters and attenuation of solar radiation in high-latitude lakes across three vegetation zones

2015· article· en· W2258601458 sur OpenAlexaffvenue
Laura Forsström, Milla Rautio, Mathieu Cusson, Sanna Sorvari, Raino-Lars Albert, Michio Kumagai, Atte Korhola

Notice bibliographique

RevueEcoscience · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésTundraDissolved organic carbonEnvironmental scienceLatitudePhotosynthetically active radiationAtmospheric sciencesArcticOceanographyGeographyGeologyPhotosynthesisBotanyBiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT High-latitude lakes are usually transparent, due to their low productivity and low concentration of dissolved organic matter (DOM), but large variations in lake optical properties can be found within and between regions. We investigated the light regimes in relation to DOM in 18 oligotrophic, high-latitude lakes across mountain birch woodland, shrub tundra and barren tundra in north-west Finnish Lapland. In 12 lakes >1% of photosynthetically active radiation (PAR) reached the lake bottom, while 1% UV-B depth ranged from 0.1 to >12 m. Lakes located in barren tundra had highest transparency, lowest dissolved organic carbon (DOC) concentration and lowest DOM absorption (a440) (mean values: Kd PAR 0.3m-1, DOC 2.1mg l-1, a440 0.4m-1), while lakes in shrub tundra and mountain birch forest were less transparent (DOC 4.7 mg l-1, a440 1.4 m-1). Solar attenuation and lake transparency was best explained by a440. Our survey emphasizes the importance of catchment type on DOM characteristics and lake optics. We predict that even small changes in DOM quality may largely change the UV radiation exposure of lakes while changes in PAR may have smaller biological effects in these shallow lakes that are already illuminated to the bottom.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,982

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,217
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcoscienceMême sujetMarine and coastal ecosystemsTravaux en français237 207