MétaCan
Menu
Retour à la cohorte
Enregistrement W3015354784 · doi:10.5194/bg-17-1911-2020

Drivers of diffusive CH <sub>4</sub> emissions from shallow subarctic lakes on daily to multi-year timescales

2020· article· en· W3015354784 sur OpenAlexfundno aff
Joachim Jansen, Brett F. Thornton, Alicia Cortés, Jo Snöälv, M. Wik, Sally MacIntyre, Patrick Crill

Notice bibliographique

RevueBiogeosciences · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesVetenskapsrådetDivision of Arctic SciencesNatural Sciences and Engineering Research Council of CanadaMcGill UniversityNational Science Foundation
Mots-clésEnvironmental scienceAtmospheric sciencesTrace gasFlux (metallurgy)Water columnBiogeochemical cycleTurbulenceWind speedChemistryMeteorologyEnvironmental chemistryPhysicsGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract. Lakes and reservoirs contribute to regional carbon budgets via significant emissions of climate forcing trace gases. Here, for improved modelling, we use 8 years of floating chamber measurements from three small, shallow subarctic lakes (2010–2017, n=1306) to separate the contribution of physical and biogeochemical processes to the turbulence-driven, diffusion-limited flux of methane (CH4) on daily to multi-year timescales. Correlative data include surface water concentration measurements (2009–2017, n=606), total water column storage (2010–2017, n=237), and in situ meteorological observations. We used the last to compute near-surface turbulence based on similarity scaling and then applied the surface renewal model to compute gas transfer velocities. Chamber fluxes averaged 6.9±0.3 mg CH4 m−2 d−1 and gas transfer velocities (k600) averaged 4.0±0.1 cm h−1. Chamber-derived gas transfer velocities tracked the power-law wind speed relation of the model. Coefficients for the model and dissipation rates depended on shear production of turbulence, atmospheric stability, and exposure to wind. Fluxes increased with wind speed until daily average values exceeded 6.5 m s−1, at which point emissions were suppressed due to rapid water column degassing reducing the water–air concentration gradient. Arrhenius-type temperature functions of the CH4 flux (Ea′=0.90±0.14 eV) were robust (R2≥0.93, p&lt;0.01) and also applied to the surface CH4 concentration (Ea′=0.88±0.09 eV). These results imply that emissions were strongly coupled to production and supply to the water column. Spectral analysis indicated that on timescales shorter than a month, emissions were driven by wind shear whereas on longer timescales variations in water temperature governed the flux. Long-term monitoring efforts are essential to identify distinct functional relations that govern flux variability on timescales of weather and 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,397
Score d'incertitude au seuil0,811

Scores Codex et Gemma par catégorie

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,207
Écart entre enseignants0,195 · 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 tête enseignante, 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

Citations41
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiogeosciencesMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207