The impacts of regional Arctic lake change on remotely sensed methane emission hotspots in Alaska, USA
Notice bibliographique
Résumé
Arctic and boreal wetlands and lakes are experiencing complex ecological changes as a result of warming. The potential for rapidly thawing permafrost to promote large increases in methane (CH4) emissions via ground subsidence and ponding (thermokarst), and permafrost carbon mineralization is of particular concern for accelerating the permafrost carbon feedback (PCF) [Turetsky et al. 2020]. However, complex hydrological dynamics produce large uncertainties regarding the sign and magnitude of carbon loss in modeling and forecasting efforts. Determining CH4’s current and future contributions to the PCF is challenging due to sparse observations, high spatiotemporal variability, and heterogeneous Arctic landscapes. As a result, top-down (observation-based) and bottom-up (model/inventory-based) evaluations of annual Arctic and boreal CH4 emissions disagree by 50-200% [McGuire et al. 2012; Peltola et al. 2019]. Constraining the current budget and forecast uncertainty in future Arctic emissions will require scale-bridging approaches that reconcile fine spatiotemporal variability and regional to continental scale coverage. To this end, we compiled multiple large remote sensing datasets to study relationships between Arctic lake and thermokarst landscape morphology trends with remotely-sensed (AVIRIS-NG) CH4 emission hotspot detections. Preliminary analyses from a lake-and-wetland-rich 1,750 km2 study area of the Yukon Kuskokwim Delta, AK, USA reveal discrete correlations between recently wetted areas and CH4 hotspot detections. However, in an analysis of over 1,200 lakes > 1 ha, hotspots were detected in greater abundance surrounding lakes that have shrunk in area since 1999 (p < 0.05) (Fig. 2). Our preliminary results imply a complex response of CH4 emissions surrounding dynamic permafrost environments. Ongoing analyses seek to further elucidate patterns related to waterbody size, permafrost ice and carbon contents, and relationships between terrestrial and limnetic hotspot detections.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».