Modelling growing season carbon fluxes at a low-center polygon ecosystem in the Mackenzie River Delta
Notice bibliographique
Résumé
A temporal upscaling study was conducted to estimate net ecosystem exchange (NEE) of carbon dioxide and net methane exchange (NME) for a low-center polygon (LCP) ecosystem in the Mackenzie River Delta, for each of the 11 growing seasons (2009–2019). We used regression models to create a time series of flux drivers from in situ weather observations (2009–2019) combined with ERA5 reanalysis and satellite data. We then used neural networks that were trained and validated on a single growing season (2017) of eddy covariance data to model NEE and NME over each growing season. The study indicates growing season NEE was negative (net uptake) and NME was positive (net emission) in this LCP ecosystem. Cumulative carbon (C) uptake was estimated to be −46.7 g C m −2 (CI 95% ± 45.3) per growing season, with methane emissions offsetting an average 5.6% of carbon dioxide uptake (in g C m −2 ) per growing season. High air temperatures (>15 °C) reduced daily CO 2 uptake and cumulative NEE was positively correlated with mean air growing season temperatures. Cumulative NME was positively correlated with the length of the growing season. Our analysis suggests warmer climate conditions may reduce carbon uptake in this LCP ecosystem.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».