MétaCan
Menu
Retour à la cohorte
Enregistrement W4402276415 · doi:10.1111/gcb.17462

Methane fluxes in tidal marshes of the conterminous United States

2024· article· en· W4402276415 sur OpenAlexaff
Ariane Arias‐Ortiz, J. L. Wolfe, Scott D. Bridgham, Sara Knox, Gavin McNicol, Brian A. Needelman, Julie Shahan, Ellen Stuart‐Haëntjens, Lisamarie Windham‐Myers, Patricia Y. Oikawa, Dennis Baldocchi, Joshua S. Caplan, Margaret Capooci, Kenneth M. Czapla, R. Kyle Derby, Heida L. Diefenderfer, Inke Forbrich, Gina N. Groseclose, Jason K. Keller, Cheryl A. Kelley, Amr E. Keshta, Helena S. Kleiner, Ken W. Krauss, Robert R. Lane, Sarah K. Mack, Serena Moseman‐Valtierra, Thomas J. Mozdzer, Peter Mueller, Scott C. Neubauer, Genevieve L. Noyce, Karina V. R. Schäfer, Rebecca Sanders‐DeMott, Charles A. Schutte, Rodrigo Vargas, Nathaniel B. Weston, Benjamin J. Wilson, J. Patrick Megonigal, James R. Holmquist

Notice bibliographique

RevueGlobal Change Biology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal wetland ecosystem dynamics
Établissements canadiensMcGill UniversityUniversity of British Columbia
Organismes subventionnairesNuclear Safety and Security CommissionUniversity Corporation for Atmospheric ResearchAgencia Estatal de InvestigaciónNational Aeronautics and Space AdministrationU.S. Department of EnergyNational Science Foundation
Mots-clésWetlandEnvironmental scienceEddy covarianceMarshSalinityFlux (metallurgy)BiogeochemistryGreenhouse gasHydrology (agriculture)Atmospheric sciencesEcosystemMethaneEnvironmental chemistryOceanographyEcologyChemistryGeologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Methane (CH4) is a potent greenhouse gas (GHG) with atmospheric concentrations that have nearly tripled since pre‐industrial times. Wetlands account for a large share of global CH4 emissions, yet the magnitude and factors controlling CH4 fluxes in tidal wetlands remain uncertain. We synthesized CH4 flux data from 100 chamber and 9 eddy covariance (EC) sites across tidal marshes in the conterminous United States to assess controlling factors and improve predictions of CH4 emissions. This effort included creating an open‐source database of chamber‐based GHG fluxes ( https://doi.org/10.25573/serc.14227085 ). Annual fluxes across chamber and EC sites averaged 26 ± 53 g CH4 m−2 year−1, with a median of 3.9 g CH4 m−2 year−1, and only 25% of sites exceeding 18 g CH4 m−2 year−1. The highest fluxes were observed at fresh‐oligohaline sites with daily maximum temperature normals (MATmax) above 25.6°C. These were followed by frequently inundated low and mid‐fresh‐oligohaline marshes with MATmax ≤25.6°C, and mesohaline sites with MATmax >19°C. Quantile regressions of paired chamber CH4 flux and porewater biogeochemistry revealed that the 90th percentile of fluxes fell below 5 ± 3 nmol m−2 s−1 at sulfate concentrations >4.7 ± 0.6 mM, porewater salinity >21 ± 2 psu, or surface water salinity >15 ± 3 psu. Across sites, salinity was the dominant predictor of annual CH4 fluxes, while within sites, temperature, gross primary productivity (GPP), and tidal height controlled variability at diel and seasonal scales. At the diel scale, GPP preceded temperature in importance for predicting CH4 flux changes, while the opposite was observed at the seasonal scale. Water levels influenced the timing and pathway of diel CH4 fluxes, with pulsed releases of stored CH4 at low to rising tide. This study provides data and methods to improve tidal marsh CH4 emission estimates, support blue carbon assessments, and refine national and global GHG inventories.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,080
Score d'incertitude au seuil0,160

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,019
Tête enseignante GPT0,258
Écart entre enseignants0,239 · 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 source (Gemma direct ou Codex distillé), 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

Citations27
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Change BiologyMême sujetCoastal wetland ecosystem dynamicsTravaux en français237 207