Natural Lakes Are a Minor Global Source of N<sub>2</sub>O to the Atmosphere
Notice bibliographique
Résumé
Abstract Natural lakes and reservoirs are important yet not well‐constrained sources of greenhouse gasses to the atmosphere. In particular for N 2 O emissions, a huge variability is observed in the few, observation‐driven flux estimates that have been published so far. Recently, a process‐based, spatially explicit model has been used to estimate global N 2 O emissions from more than 6,000 reservoirs based on nitrogen (N) and phosphorous inflows and water residence time. Here we extend the model to a data set of 1.4 million standing water bodies comprising natural lakes and reservoirs. For validation, we normalized the simulated N 2 O emissions by the surface area of each water body and compared them against regional averages of N 2 O emission rates taken from the literature or estimated based on observed N 2 O concentrations. We estimate that natural lakes and reservoirs together emit 4.5 ± 2.9 Gmol N 2 O‐N year −1 globally. Our global‐scale estimate falls in the far lower end of existing, observation‐driven estimates. Natural lakes contribute only about half of this flux, although they contribute 91% of the total surface area of standing water bodies. Hence, the mean N 2 O emission rates per surface area are substantially lower for natural lakes than for reservoirs with 0.8 ± 0.5 versus 9.6 ± 6.0 mmol N·m −2 ·year −1 , respectively. This finding can be explained by on average lower external N inputs to natural lakes. We conclude that upscaling‐based estimates, which do not distinguish natural lakes from reservoirs, are prone to important biases.
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 | 0,001 |
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 ».