MétaCan
Menu
Retour à la cohorte
Enregistrement W3203035184 · doi:10.1038/s43247-021-00280-x

Glacial lake outburst floods enhance benthic microbial productivity in perennially ice-covered Lake Untersee (East Antarctica)

2021· article· en· W3203035184 sur OpenAlexafffund
Benoit Faucher, Denis Lacelle, Nicole B. Marsh, Liam Jasperse, Ian D. Clark, Dale T. Andersen

Notice bibliographique

RevueCommunications Earth & Environment · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePolar Research and Ecology
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaFondation familiale TrottierTawani FoundationNational Aeronautics and Space Administration
Mots-clésGlacial periodBenthic zoneOceanographyEcosystemGeologyEnvironmental scienceLast Glacial MaximumCarbon cycleLake ecosystemPhysical geographyHoloceneEcologyGeomorphologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Benthic ecosystems of perennially ice-covered lakes in Antarctica are highly sensitive to climate-driven changes. Lake Untersee has been in hydrological steady-state for several hundred years with a high pH water column and extremely low levels of dissolved inorganic carbon. Here, we show that glacial lake outburst floods can replenish carbon dioxide-depleted lakes with carbon, enhancing phototrophic activity of the benthic ecosystem. In 2019, a glacial lake outburst flood brought 17.5 million m 3 of water to Lake Untersee, the most substantial reported increase for any surface lake in Antarctica. High-resolution grain-size and carbon isotope analyses of microbial mats suggest that glacial lake outburst floods have occurred periodically over the Holocene and help explain the complex patterns of carbon cycling and sequestration observed in the lake. Our findings suggest that periodic flooding events may provide biological stimuli to other carbon dioxide-depleted Antarctic ecosystems and perhaps even icy lakes on early Mars.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,342
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,259
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetPolar Research and EcologyTravaux en français237 207