Variable impact of wildfire smoke on ecosystem metabolic rates in lakes
Notice bibliographique
Résumé
Increasingly severe wildfires release smoke plumes that cover entire continents, depositing aerosols and reducing solar radiation fluxes to millions of freshwater ecosystems, yet little is known about their impacts on inland waters. This large scale study 1) quantified annual and seasonal trends in the spatial extent of dense smoke cover in California, USA, over the last 18 years (2006 - 2022), and 2) assessed the impacts of dense smoke cover on daily gross primary production (GPP) and ecosystem respiration (R) in 10 lakes spanning a large gradient in nutrient concentration and water clarity, during the three smokiest years in our dataset (2018, 2020, 2021). We found that the maximum spatial extent of dense smoke cover between June-October has increased to 70% of California’s area since 2006, with the greatest increases in August and September. In the three smokiest years, lakes were exposed to an average of 33 days of dense smoke between July and October, resulting in substantial reductions in shortwave radiation fluxes and 3 to 4-fold increases in atmospheric fine particulate matter concentrations (PM2.5). However, responses of lake GPP to smoke cover were extremely variable among and within lakes, as well as between years. In contrast, the response of rates of ecosystem respiration to smoke was related to lake nutrient concentrations and water temperature –respiration rates decreased during smoke cover in cold, oligotrophic lakes but not in warm, eutrophic lakes. The impacts of dense, prolonged smoke cover on inland waters are likely to be highly variable within and among regions due to mediating effects of lake attributes and seasonal timing of wildfires.
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) | 0,001 | 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 ».