An empirical model to predict methane production in inland water sediment from particular organic matter supply and reactivity
Notice bibliographique
Résumé
Abstract The highest CH 4 production rates can be found in anoxic inland water surface sediments however no model quantifies CH 4 production following fresh particular organic matter (POM) deposition on anoxic sediments. This limits our capability of modeling CH 4 emissions from inland waters to the atmosphere. To generate such a model, we quantified how the POM supply rate and POM reactivity control CH 4 production in anoxic surface sediment, by amending sediment at different frequencies with different quantities of aquatic and terrestrial POM. From the modeled CH 4 production, we derived parameters related to the kinetics and the extent of CH 4 production. We show that the extent of CH 4 production can be well predicted by the quality (i.e., C/N ratio) and the quantity of POM supplied to an anoxic sediment. In particular, within the range of sedimentation rates that can be found in aquatic systems, we show that CH 4 production increases linearly with the quantity of phytoplankton‐derived and terrestrially derived POM. A high frequency of POM addition, which is a common situation in natural systems, resulted in higher peaks in CH 4 production rates. This suggests that relationships derived from earlier incubation experiments that added POM only once, may result in underestimation of sediment CH 4 production. Our results quantitatively couple CH 4 production in anoxic surface sediment to POM sedimentation flux, and are therefore useful for the further development of mechanistic models of inland water CH 4 emission.
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) | 0,000 | 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 ».