Winter nitrification in ice-covered lakes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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) | 0,005 | 0,013 |
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 découle