A lake classification concept for a more accurate global estimate of the dissolved inorganic carbon export from terrestrial ecosystems to inland waters
Notice bibliographique
Résumé
The magnitude of lateral dissolved inorganic carbon (DIC) export from terrestrial ecosystems to inland waters strongly influences the estimate of the global terrestrial carbon dioxide (CO2) sink. At present, no reliable number of this export is available, and the few studies estimating the lateral DIC export assume that all lakes on Earth function similarly. However, lakes can function along a continuum from passive carbon transporters (passive open channels) to highly active carbon transformers with efficient in-lake CO2 production and loss. We developed and applied a conceptual model to demonstrate how the assumed function of lakes in carbon cycling can affect calculations of the global lateral DIC export from terrestrial ecosystems to inland waters. Using global data on in-lake CO2 production by mineralization as well as CO2 loss by emission, primary production, and carbonate precipitation in lakes, we estimated that the global lateral DIC export can lie within the range of $$ {0.70}_{-0.31}^{+0.27} $$ to $$ {1.52}_{-0.90}^{+1.09} $$ Pg C yr−1 depending on the assumed function of lakes. Thus, the considered lake function has a large effect on the calculated lateral DIC export from terrestrial ecosystems to inland waters. We conclude that more robust estimates of CO2 sinks and sources will require the classification of lakes into their predominant function. This functional lake classification concept becomes particularly important for the estimation of future CO2 sinks and sources, since in-lake carbon transformation is predicted to be altered with climate change.
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 ».