The carbon footprint of a tropical reservoir: measured versus modeled values highlight the underestimated key role of downstream processes
Notice bibliographique
Résumé
Reservoirs are important sources of greenhouse gases (GHGs) to the atmosphere and their number is rapidly increasing, especially in tropical regions. Accurately predicting their current and future emissions is essential but hindered by fragmented data on the subject, which often fail to include all emission pathways (surface diffusion, ebullition, degassing, and downstream emissions) and the high spatial and temporal flux variability. Here we conducted a comprehensive sampling of Batang Ai reservoir (Malaysia), and compared field-based versus modeled estimates of its annual carbon footprint for each emission pathway. We further explored the processes fuelling and regulating emissions downstream of the dam, which are important but commonly overlooked. Carbon dioxide (CO2) surface diffusion and methane (CH4) ebullition were lower than predicted, whereas moderate surface CH4 diffusion was accurately predicted. Most GHGs present in discharged water were degassed at the turbines, and the remainder were gradually emitted along the outflow river, leaving time for CH4 to be partly oxidized to CO2. Overall, the reservoir emitted 2475 gCO2eq m-2 yr-1, of which 89 % occurred downstream of the dam, mostly in the form of CH4. These emissions, largely underestimated by predictions, are mitigated by CH4 oxidation upstream and downstream of the dam, but could have been drastically reduced by slightly raising the water intake elevation depth. Degassing and downstream emissions are largely due to the accumulation of GHGs under the permanent thermocline. Studying the interplay between the processes regulating CO2 and CH4 concentrations in the reservoir deep layer highlighted the key role of physical factors on GHGs dynamics. Overall, our results show that exploring morphometry, soil type, and stratification patterns as predictors can improve modeling of reservoir GHGs emissions at local and global scales.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».