Groundwater inflows control patterns and sources of greenhouse gas emissions from streams
Notice bibliographique
Résumé
Abstract Headwater streams can be important sources of carbon dioxide (CO 2 ) and methane (CH 4 ) to the atmosphere. However, the influence of groundwater–stream connectivity on the patterns and sources of carbon (C) gas evasion is still poorly understood. We explored these connections in the boreal landscape through a detailed study of a 1.4 km lake outlet stream that is hydrologically fed by multiple topographically driven groundwater input zones. We measured stream and groundwater dissolved organic C (DOC), CO 2 , and CH 4 concentrations every 50 m biweekly during the ice‐free period and estimated in‐stream C gas production through a mass balance model and independent estimates of aquatic metabolism. The spatial pattern of C gas concentrations was consistent over time, with peaks of both CH 4 and CO 2 concentrations occurring after each groundwater input zone. Moreover, lateral C gas inputs from riparian soils were the major source of CO 2 and CH 4 to the stream. DOC mineralization and CH 4 oxidation within the stream accounted for 17–51% of stream CO 2 emissions, and this contribution was the greatest during relatively higher flows. Overall, our results illustrate how the nature and arrangement of groundwater flowpaths can organize patterns of stream C concentrations, transformations, and emissions by acting as a direct source of gases and by supplying organic substrates that fuel aquatic metabolism. Hence, refined assessments of how catchment structure influences the timing and magnitude of groundwater–stream connections are crucial for mechanistically understanding and scaling C evasion rates from headwaters.
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 ».