MétaCan
Menu
Retour à la cohorte
Enregistrement W2986368593 · doi:10.1371/journal.pone.0224864

Winter nitrification in ice-covered lakes

2019· article· en· W2986368593 sur OpenAlexafffund
Emily Cavaliere, Helen M. Baulch

Notice bibliographique

RevuePLoS ONE · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIntegrated Water Resources Management
Établissements canadiensGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Saskatchewan
Mots-clésNitrificationEnvironmental scienceEcologyBiologyChemistryNitrogen

Résumé

récupéré en direct d'OpenAlex

With changes in ice cover duration, nutrient loading, and anoxia risk, it is important to understand the mechanisms that control nitrogen cycling and oxygen depletion in lakes through winter. Current understanding is largely limited to description of changes in chemistry, with few measurements of the processes driving winter changes, how they differ across lakes, and how they are impacted by under-ice conditions. Nitrification is a process which consumes oxygen and ammonium (NH4+), and supplies nitrate (NO3-). To date, nitrification has been measured under ice cover in only two lakes globally. Here, we used 15NH4+ enrichment to measure rates of pelagic nitrification in thirteen water bodies in two ecozones. Our work demonstrates ecologically important rates of nitrification can occur despite low water temperatures, impacting NH4+, NO3- and, most importantly, oxygen concentrations. However, high rates are not the norm. When, where and why is nitrification important in winter? We found that nitrification rates were highest in a eutrophic lake chain downstream of a wastewater treatment effluent (mean: 226.5 μg N L-1 d-1), and in a semi-saline prairie lake (110.0 μg N L-1 d-1). In the boreal shield, a eutrophic lake had nitrification rates exceeding those of an oligotrophic lake by 6-fold. Supplementing our results with literature data we found NH4+ concentrations were the strongest predictor of nitrification rates across lentic ecosystems in winter. Higher nitrification rates were associated with higher concentrations of NH4+, NO3- and nitrous oxide (N2O). While more work is required to understand the switch between high and low nitrification rates and strengthen our understanding of winter nitrogen cycling, this work demonstrates that high nitrification rates can occur in winter.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,019
Tête enseignante GPT0,183
Écart entre enseignants0,165 · 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'étudeObservationnel
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

Citations46
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetIntegrated Water Resources ManagementTravaux en français237 207