MétaCan
Menu
Retour à la cohorte
Enregistrement W2319885211 · doi:10.1021/es500069j

Nonlinear Response of Riverine N<sub>2</sub>O Fluxes to Oxygen and Temperature

2014· article· en· W2319885211 sur OpenAlexaffabout
Jason J. Venkiteswaran, Madeline S. Rosamond, Sherry L. Schiff

Notice bibliographique

RevueEnvironmental Science & Technology · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceHypoxia (environmental)EutrophicationNitrous oxideFlux (metallurgy)Hydrology (agriculture)Climate changeNitrogenAquatic ecosystemPopulationAtmospheric sciencesOxygenEcologyEnvironmental chemistryNutrientChemistryBiologyGeology

Résumé

récupéré en direct d'OpenAlex

One-quarter of anthropogenically produced nitrous oxide (N2O) comes from rivers and estuaries. Countries reporting N2O fluxes from aquatic surfaces under the United Nations Framework Convention on Climate Change typically estimate anthropogenic inorganic nitrogen loading and assume a fraction becomes N2O. However, several studies have not confirmed a linear relationship between dissolved nitrate (NO3-) and river N2O fluxes. We apply recursive partitioning analysis to examine the relationships between N2O flux and NO3-, dissolved oxygen (DO), temperature, land use and surficial geology in the Grand River, Canada, a seventh-order river in an agricultural catchment with substantial urban population. Results suggest that N2O flux is high when hypoxia exists. Temperature, not NO3-, was the primary correlate of N2O flux when hypoxia does not occur suggesting NO3- is not limiting N2O production and further increases in NO3- may not lead to comparable increases in N2O flux. This work indicates that a linear relationship between NO3- and N2O is unlikely to exist in most agricultural and urban impacted river systems. Most N2O is produced during hypoxia so quantifying the extent of hypoxia is a necessary first step to quantifying N2O fluxes in lotic systems. Predicted increases in riverine hypoxia via eutrophication and increased temperature due to climate change may drive nonlinear increases in N2O production.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,476
Score d'incertitude au seuil0,394

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
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 Opus0,002
Tête enseignante GPT0,164
Écart entre enseignants0,162 · 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'étudeExpérimental (laboratoire)
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

Citations88
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMarine and coastal ecosystemsTravaux en français237 207