No long‐term trends in <i>p</i>CO<sub>2</sub> despite increasing organic carbon concentrations in boreal lakes, streams, and rivers
Notice bibliographique
Résumé
Abstract Concentrations of dissolved organic carbon (DOC) from terrestrial sources have been increasing in freshwaters across large parts of the boreal region. According to results from large‐scale field and detailed laboratory studies, such a DOC increase could potentially stimulate carbon dioxide (CO 2 ) production, subsequently increasing the partial pressure of CO 2 ( p CO 2 ) in freshwaters. However, the response of p CO 2 to the presently observed long‐term increase in DOC in freshwaters is still unknown. Here we tested whether the commonly found spatial DOC‐ p CO 2 relationship is also valid on a temporal scale. Analyzing time series of water chemical data from 71 lakes, 30 streams, and 4 river mouths distributed across all of Sweden over a 17 year period, we observed significant DOC concentration increases in 39 lakes, 15 streams, and 4 river mouths. Significant p CO 2 increases were, however, only observed in six of these 58 waters, indicating that long‐term DOC increases in Swedish waters are disconnected from temporal p CO 2 trends. We suggest that the uncoupling of trends in DOC concentration and p CO 2 are a result of increased surface water runoff. When surface water runoff increases, there is likely less CO 2 relative to DOC imported from soils into waters due to a changed balance between surface and groundwater flow. Additionally, increased surface water runoff causes faster water flushing through the landscape giving less time for in situ CO 2 production in freshwaters. We conclude that p CO 2 is presently not following DOC concentration trends, which has important implications for modeling future CO 2 emissions from boreal waters.
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 | 0,000 | 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 ».