MétaCan
Menu
Retour à la cohorte
Enregistrement W4402241536 · doi:10.1016/j.ecoleng.2024.107386

Riparian vegetation influences aquatic greenhouse gas production in an agricultural landscape

2024· article· en· W4402241536 sur OpenAlexafffund
Harinder S. Hundal, Naresh V. Thevathasan, Maren Oelbermann

Notice bibliographique

RevueEcological Engineering · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of GuelphUniversity of Waterloo
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésRiparian zoneEnvironmental scienceVegetation (pathology)AgricultureGreenhouse gasAgroforestryAgricultural productivityProduction (economics)GreenhouseHydrology (agriculture)EcologyAgronomyHabitatEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

Although riparian vegetation is widely acknowledged for its positive impact on soil and water quality and its role in regulating terrestrial greenhouse gas emissions in agricultural landscapes , there remains a gap in understanding how different types of riparian vegetation affect aquatic greenhouse gas production. Thus, the objective of this study was to investigate whether the type of vegetation within riparian zones influenced aquatic environmental factors, subsequently impacting aquatic greenhouse gas emissions. To address this, we measured greenhouse gases in the aquatic environment bordered by riparian zones with herbaceous vegetation (GRS) compared to undisturbed natural riparian forests dominated by deciduous (UNF-D) or coniferous (UNF-C) vegetation or a rehabilitated riparian forest (RH). Our findings indicate that aquatic CO 2 concentrations were not influenced ( p < 0.05) by vegetation type ranging from 9 g L − 1 to 11 g L − 1 . In contrast, aquatic CH 4 concentrations were significantly lower ( p < 0.05) in treed riparian zones, ranging from 14 μg L − 1 to 24 μg L − 1 , compared to a riparian zone with herbaceous vegetation (34 μg L − 1 ). However, we observed significantly higher ( p < 0.05) aquatic N 2 O concentrations in treed riparian zones (9.5 μg L − 1 to 10.3 μg L − 1 ), particularly those dominated by coniferous vegetation (23.0 μg L − 1 ), compared to the riparian zone with herbaceous vegetation (7.7 μg L − 1 ). The total CO 2 -C equivalent (i.e., CO 2 + CH 4 + N 2 O) was highest in the riparian zone with coniferous trees (UNF-C: 10,717 mg CO 2 -Ceq L − 1 ), followed by the GRS (9494 mg CO 2 -Ceq L − 1 ), RH (9423 mg CO 2 -Ceq L − 1 ) and UNF-D (9,183 mg CO 2 -Ceq L − 1 ) riparian zone. Moreover, riparian vegetation was influenced by various environmental factors that likely controlled physicochemical and biological processes related to the production of greenhouse gases within the aquatic environment.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,622
Score d'incertitude au seuil0,294

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,193 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcological EngineeringMême sujetFish Ecology and Management StudiesTravaux en français237 207