Patterns and isotopic composition of greenhouse gases under ice in lakes of interior Alaska
Notice bibliographique
Résumé
Abstract Arctic and boreal lake greenhouse gas emissions (GHG) are an important component of regional carbon (C) budgets. Yet the magnitude and seasonal patterns of lake GHG emissions are poorly constrained, because sampling is limited in these remote landscapes, particularly during winter and shoulder seasons. To better define patterns of under ice GHG content (and emissions potential at spring thaw), we surveyed carbon dioxide (CO 2 ) and methane (CH 4 ) concentrations and stable isotopic composition during winter of 2017 in 13 lakes in the arid Yukon Flats Basin of interior Alaska, USA. Partial pressures of CO 2 and CH 4 ranged over three orders of magnitude, were positively correlated, and CO 2 exceeded CH 4 at all but one site. Shallow, organic matter-rich lakes located at lower elevations tended to have the highest concentrations of both gases, though CH 4 content was more heterogeneous and only abundant in oxygen-depleted lakes, while CO 2 was negatively correlated to oxygen content. Isotopic values of CO 2 spanned a narrow range (−10‰ to −23‰) compared to CH 4 , which ranged over 50‰ (−19‰ to −71‰), indicating CH 4 source pathways and sink strength varied widely between lakes. Miller-Tans and Keeling plots qualitatively suggested two groups of lakes were present; one with isotopically enriched source CH 4 possibly more dominated by acetoclastic methanogenesis, and one with depleted signatures suggesting a dominance of the hydrogenotrophic production. Overall, regional lake differences in winter under ice GHG content appear to track landscape position, oxygen, and organic matter content and composition, causing patterns to vary widely even within a relatively small geographic area of interior Alaska.
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) | 0,001 | 0,000 |
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.
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 ».