MétaCan
Menu
Retour à la cohorte
Enregistrement W3023392357 · doi:10.1038/s41467-020-15929-y

Global CO2 emissions from dry inland waters share common drivers across ecosystems

2020· article· en· W3023392357 sur OpenAlexfundno aff
Philipp S. Keller, Núria Catalán, Daniel von Schiller, Hans‐Peter Grossart, Matthias Koschorreck, Biel Obrador, Marieke A. Frassl, Nusret Karakaya, Nathan Barros, Julia Howitt, Clara Mendoza‐Lera, Ada Pastor, Giovanna Flaim, Ralf Aben, Tenna Riis, María Isabel Arce, Gabriela Onandía, José R. Paranaíba, Annika Linkhorst, Rubén del Campo, André Megali Amado, Sophie Cauvy‐Fraunié, Soren Brothers, Jason Condon, Raquel Mendonça, Florian Reverey, Eva‐Ingrid Rõõm, Thibault Datry, Fábio Roland, Alo Laas, Ulrike Obertegger, Jin Ha Park, Haijun Wang, Sarian Kosten, Rosa Gómez, Claudia Feijoó, Arturo Elosegi, María del Mar Sánchez‐Montoya, C. Max Finlayson, Marco Melita, Ernandes Sobreira Oliveira, Claumir César Muniz, Lluís Gómez‐Gener, Catherine Leigh, Q. Zhang, Rafael Marcé

Notice bibliographique

RevueNature Communications · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesAgencia Estatal de InvestigaciónErasmus+Banco Bilbao Vizcaya ArgentariaAgence française pour la biodiversitéOffice National de l’Eau et des Milieux AquatiquesConselho Nacional de Desenvolvimento Científico e TecnológicoUniversidad de MurciaNederlandse Organisatie voor Wetenschappelijk OnderzoekNational Research Foundation of KoreaEusko JaurlaritzaCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorGlobal Lake Ecological Observatory NetworkDeutscher Akademischer AustauschdienstBundesministerium für Bildung und ForschungEuropean Regional Development FundCarlsbergfondetEuropean CommissionDeutsche ForschungsgemeinschaftEesti TeadusagentuurNational Research FoundationFundación SénecaMinisterio de Ciencia, Innovación y UniversidadesFundación Ramón ArecesFundación BBVA
Mots-clésEcosystemEnvironmental scienceOceanographyEnvironmental protectionEcologyBiologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Many inland waters exhibit complete or partial desiccation, or have vanished due to global change, exposing sediments to the atmosphere. Yet, data on carbon dioxide (CO 2 ) emissions from these sediments are too scarce to upscale emissions for global estimates or to understand their fundamental drivers. Here, we present the results of a global survey covering 196 dry inland waters across diverse ecosystem types and climate zones. We show that their CO 2 emissions share fundamental drivers and constitute a substantial fraction of the carbon cycled by inland waters. CO 2 emissions were consistent across ecosystem types and climate zones, with local characteristics explaining much of the variability. Accounting for such emissions increases global estimates of carbon emissions from inland waters by 6% (~0.12 Pg C y −1 ). Our results indicate that emissions from dry inland waters represent a significant and likely increasing component of the inland waters carbon cycle.

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 enseignants0,468
Score d'incertitude au seuil0,995

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
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 Opus0,020
Tête enseignante GPT0,259
Écart entre enseignants0,240 · 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

Citations176
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetMarine and coastal ecosystemsTravaux en français237 207