Wildfire smoke impacts lake ecosystems
Notice bibliographique
Résumé
Wildfire activity is increasing globally. The resulting smoke plumes can travel hundreds to thousands of kilometers, reflecting or scattering sunlight and depositing particles within ecosystems. Several key physical, chemical, and biological processes in lakes are controlled by factors affected by smoke. The spatial and temporal scales of lake exposure to smoke are extensive and under-recognized. We introduce the concept of the lake smoke-day, or the number of days any given lake is exposed to smoke in any given fire season, and quantify the total lake smoke-day exposure in North America from 2019 to 2021. Because smoke can be transported at continental to intercontinental scales, even regions that may not typically experience direct burning of landscapes by wildfire are at risk of smoke exposure. We found that 99.3% of North America was covered by smoke, affecting a total of 1,333,687 lakes ≥10 ha. An incredible 98.9% of lakes experienced at least 10 smoke-days a year, with 89.6% of lakes receiving over 30 lake smoke-days, and lakes in some regions experiencing up to 4 months of cumulative smoke-days. Herein we review the mechanisms through which smoke and ash can affect lakes by altering the amount and spectral composition of incoming solar radiation and depositing carbon, nutrients, or toxic compounds that could alter chemical conditions and impact biota. We develop a conceptual framework that synthesizes known and theoretical impacts of smoke on lakes to guide future research. Finally, we identify emerging research priorities that can help us better understand how lakes will be affected by smoke as wildfire activity increases due to climate change and other anthropogenic activities.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».