MétaCan
Menu
Retour à la cohorte
Enregistrement W2278602516 · doi:10.5194/bg-2015-533

Rates and pathways of CH<sub>4</sub> oxidation in ferruginous Lake Matano, Indonesia

2016· article· en· W2278602516 sur OpenAlexaff
Arne Sturm, David A. Fowle, CarriAyne Jones, Karla Leslie, Sulung Nomosatryo, Cynthia Henny, Donald E. Canfield, Sean A. Crowe

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geophysical Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesDivision of Earth SciencesNational Research FoundationDanmarks GrundforskningsfondNational Science Foundation
Mots-clésAnoxic watersManganeseMethaneNitrateChemistryEnvironmental chemistryAnaerobic oxidation of methaneCarbon dioxideCarbon fibersBiomass (ecology)NitriteBiologyEcologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract. This study evaluates rates and pathways of methane (CH4) oxidation and uptake using 14C-based tracer experiments throughout the oxic and anoxic waters of ferruginous Lake Matano. Methane oxidation rates in Lake Matano are low compared to other lakes, but are sufficiently high to preclude strong CH4 fluxes to the atmosphere. In addition to aerobic CH4 oxidation, which takes place in Lake Matano's oxic mixolimnion, we also detected CH4 oxidation in Lake Matano's anoxic ferruginous waters. Here, CH4 oxidation proceeds in the apparent absence of oxygen (O2) and instead appears to be coupled to nitrate (NO3−), nitrite (NO2−), iron (Fe), or manganese (Mn) reduction. Throughout the lake, the fraction of CH4 carbon that is assimilated vs. oxidized to carbon dioxide (CO2) is high, indicating extensive CH4 conversion to biomass and underscoring the importance of CH4 as a carbon and energy source in Lake Matano and potentially other ferruginous or low productivity environments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,000
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 Opus0,031
Tête enseignante GPT0,209
Écart entre enseignants0,178 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeological and Geophysical StudiesTravaux en français237 207