Climate‐Driven Variations in Nitrogen Retention From a Riverine Submerged Aquatic Vegetation Meadow
Notice bibliographique
Résumé
Abstract Large rivers can retain a substantial amount of nitrogen (N), particularly in submerged aquatic vegetation (SAV) meadows that may act as disproportionate control points for N retention. However, the temporal variation of N retention in large rivers remains unknown since past measurements were snapshots in time. Using high‐frequency plants and NO 3 − measurements over the summers 2012–2017, we investigated how the climate variation influenced N retention in a SAV meadow (∼10 km 2 ) at the confluence zone of two agricultural tributaries entering the St. Lawrence River. Distinctive combinations of water temperature and level were recorded between years, ranging from extreme hot‐low (2012) and cold‐high (2017) summers (2°C and 1.4 m interannual range). Using an indicator of SAV biomass, we found that these extreme hot‐low and cold‐high years had reduced biomass compared to hot summers with intermediate levels. In addition, changes in main stem water levels were asynchronous with the tributary discharges that controlled NO 3 − inputs at the confluence. We estimated daily N uptake rates from a moored NO 3 − sensor and partitioned these into assimilatory and dissimilatory pathways. Measured rates were variable but among the highest reported in rivers (median 576 mg N m −2 d −1 , range 60–3,893 mg N m −2 d −1 ) and SAV biomass promoted greater proportional retention and permanent N loss through denitrification. We estimated that the SAV meadow could retain up to 0.8 kt N per year and 87% of N inputs, but this valuable ecosystem service is contingent on how climate variations modulate both N loads and SAV biomass.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».