MétaCan
Menu
← Retour à la cohorte
Enregistrement W4360826141 · doi:10.1038/s41467-023-37165-w

Alkalinity responses to climate warming destabilise the Earth’s thermostat

2023· article· en· W4360826141 sur OpenAlexaff
Nele Lehmann, Tobias Stacke, Sebastian Lehmann, Hugues Lantuit, John Gosse, Chantal Mears, Jens Hartmann, Helmuth Thomas

Notice bibliographique

RevueNature Communications · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensDalhousie University
Organismes subventionnairesBundesministerium für Bildung und ForschungDeutscher Akademischer Austauschdienst
Mots-clésAlkalinityThermostatEarth (classical element)Global warmingEnvironmental scienceClimate changeNatural resource economicsClimatologyEcologyAtmospheric sciencesBiologyChemistryEconomicsGeologyThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Alkalinity generation from rock weathering modulates Earth’s climate at geological time scales. Although lithology is thought to dominantly control alkalinity generation globally, the role of other first-order controls appears elusive. Particularly challenging remains the discrimination of climatic and erosional influences. Based on global observations, here we uncover the role of erosion rate in governing riverine alkalinity, accompanied by areal proportion of carbonate, mean annual temperature, catchment area, and soil regolith thickness. We show that the weathering flux to the ocean will be significantly altered by climate warming as early as 2100, by up to 68% depending on the environmental conditions, constituting a sudden feedback of ocean CO2 sequestration to climate. Interestingly, warming under a low-emissions scenario will reduce terrestrial alkalinity flux from mid-latitudes (–1.6 t(bicarbonate) a−1 km−2) until the end of the century, resulting in a reduction in CO2 sequestration, but an increase (+0.5 t(bicarbonate) a−1 km−2) from mid-latitudes is likely under a high-emissions scenario, yielding an additional CO2 sink.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,343
Écart entre enseignants0,285 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations21
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature Communications→Même sujetGeology and Paleoclimatology Research→Travaux en français237 207→