MétaCan
Menu
Retour à la cohorte
Enregistrement W4390571864 · doi:10.5194/bg-21-93-2024

Temporary stratification promotes large greenhouse gas emissions in a shallow eutrophic lake

2024· article· en· W4390571864 sur OpenAlexaff
Thomas A. Davidson, Martin Søndergaard, Joachim Audet, Eti Ester Levi, Chiara Esposito, Tuba Bucak, Anders Nielsen

Notice bibliographique

RevueBiogeosciences · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensCommunitech
Organismes subventionnairesHorizon 2020Poul Due Jensens FondEuropean CommissionDanmarks Frie ForskningsfondPoul Due Jensens Fond (Grundfos Foundation)
Mots-clésEutrophicationGreenhouse gasStratification (seeds)Environmental scienceOceanographyEcologyGeologyNutrientBiology

Résumé

récupéré en direct d'OpenAlex

Abstract. Shallow lakes and ponds undergo frequent temporary thermal stratification. How this affects greenhouse gas (GHG) emissions is moot, with both increased and reduced GHG emissions hypothesised. Here, weekly estimations of GHG emissions, over the growing season from May to September, were combined with temperature and oxygen profiles of an 11 ha temperate shallow lake to investigate how thermal stratification shapes GHG emissions. There were three main stratification periods with profound anoxia occurring in the bottom waters upon isolation from the atmosphere. Average diffusive emissions of methane (CH4) and nitrous oxide (N2O) were larger and more variable in the stratified phase, whereas carbon dioxide (CO2) was on average lower, though these differences were not statistically significant. In contrast, there was a significant order of magnitude increase in CH4 ebullition in the stratified phase. Furthermore, at the end of the period of stratification, there was a large efflux of CH4 and CO2 as the lake mixed. Two relatively isolated turnover events were estimated to have released the majority of the CH4 emitted between May and September. These results demonstrate how stratification patterns can shape GHG emissions and highlight the role of turnover emissions and the need for high-frequency measurements of GHG emissions, which are required to accurately characterise emissions, particularly from temporarily stratifying lakes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,203
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,228
Écart entre enseignants0,208 · 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 tête enseignante, pas un consensus.

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

Citations34
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiogeosciencesMême sujetMarine and coastal ecosystemsTravaux en français237 207