Temperature, Water Depth, and Flow Velocity Are Important Drivers of Methane Ebullition in a Temperate Lowland Stream
Notice bibliographique
Résumé
Abstract Streams and rivers are a well‐recognized source of methane (CH4), with high spatiotemporal variability in fluxes. However, CH4 release in form of bubbles (ebullition) is rarely included in current global CH4 emission estimates from lotic ecosystems, due to the lack of reliable models to upscale ebullition. Our study aimed to determine the importance of individual emission pathways (diffusion and ebullition) for total CH4 emissions from a lowland stream with low sediment heterogeneity and explore the relations of ebullition to environmental variables to build a stream ebullition model for this simplified system. We measured CH4 and carbon dioxide (CO2) diffusive emissions and ebullition from a temperate lowland stream in Czech Republic (Central Europe) during the ice‐free season 2021. The studied stream was a significant source of CH4 (mean 260 ± 107 mg CH4 m−2 day−1), with ebullition as a prevailing pathway of CH4 emission (mean 74 ± 7%, range 55%–85%) throughout the whole monitored period. CH4 ebullition showed a high spatiotemporal heterogeneity, with sediment temperature and water depth as the strongest predictors, followed by the interaction between flow velocity and sediment temperature. Our model explained 81% of total variance of CH4 ebullition and suggests that it is possible to model ebullitive fluxes in lowland streams with homogeneous sediments. Since CH4 was an important part of the total CO2‐equivalent emissions from the examined stream, accounting for mean (±SD) 35 ± 7.4%, and ebullition the majority of the CH4 emission, the ability to adequately model ebullition is pertinent for lowland streams.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,000 | 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 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 ».