Organic matter cycling in a model restored wetland receiving complex effluent
Notice bibliographique
Résumé
Abstract Wetlands have been used to treat anthropogenic effluents for decades due to their intense biogeochemical processes that transform and uptake nutrients, organic matter, and toxins. Despite these known functions, we lack generalizable knowledge of effluent-derived dissolved organic matter (DOM) cycling in wetlands. Here, we quantify the cycling of DOM in one of Canada’s more economically important wetland complexes (Frank Lake, Alberta), restored to hydrologic permanence in the 1980s using urban and agro-industrial effluents. Optical analyses and PARAFAC (parallel factor analysis) modelling showed a clear compositional change from more bioavailable and protein-like DOM at effluent input sites to more aromatic and humic-like at the wetland outflow, likely due to DOM processing and inputs from marsh plants and wetland soils. Microbial incubations showed that effluent DOM was rapidly consumed, with the half-life of DOM increasing from as low as 35 days for effluent, to 462 days at the outflow, as a function of compositional shifts toward aromatic, humic-like material. Long-term averaged dissolved organic carbon (DOC) export was low compared to many wetlands (10.3 ± 2.0 g C m −2 yr −1 ). Consistent with predictions based on water residence time, our mass balance showed Frank Lake was a net source of DOM across all measured years, but shifted from a source to sink among wet and drought years that respectively shortened or lengthened the water residence and DOM processing times. Overall, Frank Lake processes and transforms effluent DOM, despite being a longer-term net source of DOM to downstream environments.
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) | 0,012 | 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 ».