Hidden Stores of Organic Matter in Northern Lake Ice: Selective Retention of Terrestrial Particles, Phytoplankton and Labile Carbon
Notice bibliographique
Résumé
Abstract Around 50% of the world's lakes freeze seasonally, but the duration of ice‐cover is shortening each year and this is likely to have broad limnological consequences. We sampled freshwater ice and the underlying water in 19 boreal and polar lakes to evaluate whether lake ice contains an inoculum of algae, nutrients, and carbon that may contribute to lake ecosystem productivity. Boreal and Arctic lakes differed in ice duration (6 vs. >10 months), thickness (70 vs. 190 cm), and quality (predominantly snow ice vs. black ice), but in all lakes, there were consistent differences in biological and biogeochemical composition between ice and water. Particulate fractions were often more retained while most dissolved compounds were excluded from the ice; for example, the ice had more terrestrial particulate carbon, measured as fatty acid biomarkers (averages of 1.1 vs. 0.3 µg L −1 ) but lower dissolved organic carbon (2.2 vs. 5.7 mg C L −1 ) and inorganic phosphorus concentrations (4.0 vs. 7.5 µg C L −1 ) than the underlying water. The boreal ice further had three times higher chlorophyll‐ a, than the water (0.9 vs. 0.3 µg L −1 ). Of the dissolved fractions, the contribution of protein‐like compounds was higher in the ice, and this in all lakes. These labile compounds would become available to planktonic microbes when the ice melts. Our results show that freshwater ice has an underestimated role in storage and transformation in the biogeochemical carbon cycle of ice‐covered lake ecosystems.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| 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) | 0,000 | 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 ».