Dissolved organic matter discharge in the six largest arctic rivers-chemical composition and seasonal variability
Notice bibliographique
Résumé
The vulnerability of the Arctic to climate change has been realized due to\ndisproportionately large increases in surface air temperatures which are not uniformly\ndistributed over the seasonal cycle. Effects of this temperature shift are widespread in\nthe Arctic but likely include changes to the hydrological cycle and permafrost thaw,\nwhich have implications for the mobilization of organic carbon into rivers. The focus of\nthis research was to describe the seasonal variability of the chemical composition of\ndissolved organic matter (DOM) in the six largest Arctic rivers (Yukon, Mackenzie, Ob,\nYenisei, Lena and Kolyma) using optical properties (UV-Vis Absorbance and\nFluorescence) and lignin phenol analysis. We also investigated differences between\nrivers and how watershed characteristics influence DOM composition.\nDissolved organic carbon (DOC) concentrations followed the hydrograph with\nhighest concentrations measured during peak river flow. The chemical composition of\npeak-flow DOM indicates a dominance of freshly leached material with elevated\naromaticity, larger molecular weight, and elevated lignin yields relative to base-flow\nDOM. During peak flow, soils in the watershed are still frozen and snowmelt water\nfollows a lateral flow path to the river channels. As the soils thaw, surface water\npenetrates deeper into the soil horizons leading to lower DOC concentrations and likely\naltered composition of DOM due to sorption and microbial degradation processes. The\nsix rivers studied here shared a similar seasonal pattern and chemical composition.\nThere were, however, large differences between rivers in terms of total carbon discharge\nreflecting the differences in watershed characteristics such as climate, catchment size, river discharge, soil types, and permafrost distribution. The large rivers (Lena, Yenisei),\nwith a greater proportion of permafrost, exported the greatest amount of carbon. The\nKolyma and Mackenzie exported the smallest amount of carbon annually, however, the\ndischarge weighted mean DOC concentration was almost 2-fold higher in the Kolyma,\nagain, indicating the importance of continuous permafrost. The quality and quantity of\nDOM mobilized into Arctic rivers appears to depend on the relative importance of\nsurface run-off and extent of soil percolation. The relative importance of these is\nultimately determined by watershed characteristics.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».