Year‐2020 Global Distribution and Pathways of Reservoir Methane and Carbon Dioxide Emissions According to the Greenhouse Gas From Reservoirs (G‐res) Model
Notice bibliographique
Résumé
Abstract Collectively, reservoirs constitute a significant global source of C‐based greenhouse gases (GHGs). Yet, global estimates of reservoir carbon dioxide (CO 2 ) and methane (CH 4 ) emissions remain uncertain, varying more than four‐fold in recent analyses. Here we present results from a global application of the Greenhouse Gas from Reservoirs (G‐res) model wherein we estimate per‐area and per‐reservoir CO 2 and CH 4 fluxes, by specific flux pathway and in a spatially and temporally explicit manner, as a function of reservoir characteristics. We show: (a) CH 4 fluxes via degassing and ebullition are much larger than previously recognized and diffusive CH 4 fluxes are lower than previously estimated, while CO 2 emissions are similar to those reported in past work; (b) per‐area reservoir GHG fluxes are >29% higher than suggested by previous studies, due in large part to our novel inclusion of the degassing flux in our global estimate; (c) CO 2 flux is the dominant emissions pathway in boreal regions and CH 4 degassing and ebullition are dominant in tropical and subtropical regions, with the highest overall reservoir GHG fluxes in the tropics and subtropics; and (d) reservoir GHG fluxes are quite sensitive to input parameters that are both poorly constrained and likely to be strongly influenced by climate change in coming decades (parameters such as temperature and littoral area, where the latter may be expanded by deepening thermoclines expected to accompany warming surface waters). Together these results highlight a critical need to both better understand climate‐related drivers of GHG emission and to better quantify GHG emissions via CH 4 ebullition and degassing.
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».