MétaCan
Menu
Retour à la cohorte
Enregistrement W2398047876 · doi:10.1002/2016gl069049

A scalable model for methane consumption in arctic mineral soils

2016· article· en· W2398047876 sur OpenAlexafffund
Youmi Oh, B. T. Stackhouse, Maggie C. Y. Lau, Xiangtao Xu, Anna T. Trugman, Jonathan M. Moch, T. C. Onstott, Christian Juncher Jørgensen, Ludovica D’Imperio, Bo Elberling, Craig A. Emmerton, Vincent L. St. Louis, David Medvigy

Notice bibliographique

RevueGeophysical Research Letters · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaDanmarks GrundforskningsfondNational Research Foundation
Mots-clésMethaneSoil waterSink (geography)Environmental scienceArcticMicrocosmMethanotrophFlux (metallurgy)Environmental chemistryAtmospheric sciencesGreenhouse gasSoil scienceChemistryEcologyAnaerobic oxidation of methaneGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Recent field studies have documented a surprisingly strong and consistent methane sink in arctic mineral soils, thought to be due to high‐affinity methanotrophy. However, the distinctive physiology of these methanotrophs is poorly represented in mechanistic methane models. We developed a new model, constrained by microcosm experiments, to simulate the activity of high‐affinity methanotrophs. The model was tested against soil core‐thawing experiments and field‐based measurements of methane fluxes and was compared to conventional mechanistic methane models. Our simulations show that high‐affinity methanotrophy can be an important component of the net methane flux from arctic mineral soils. Simulations without this process overestimate methane emissions. Furthermore, simulations of methane flux seasonality are improved by dynamic simulation of active microbial biomass. Because a large fraction of the Arctic is characterized by mineral soils, high‐affinity methanotrophy will likely have a strong effect on its net methane flux.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,037
Tête enseignante GPT0,297
Écart entre enseignants0,260 · 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'étudeSimulation ou modélisation
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

Citations24
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207