A Lake Biogeochemistry Model for Global Methane Emissions: Model Development, Site‐Level Validation, and Global Applicability
Notice bibliographique
Résumé
Abstract Lakes are important sentinels of climate change and may contribute over 30% of natural methane (CH 4 ) emissions; however, no earth system model (ESM) has represented lake CH 4 dynamics. To fill this gap, we refined a process‐based lake biogeochemical model to simulate global lake CH 4 emissions, including representation of lake bathymetry, oxic methane production (OMP), the effect of water level on ebullition, new non‐linear CH 4 oxidation kinetics, and the coupling of sediment carbon pools with in‐lake primary production and terrigenous carbon loadings. We compiled a lake CH 4 data set for model validation. The model shows promising performance in capturing the seasonal and inter‐annual variabilities of CH 4 emissions at 10 representative lakes for different lake types and the variations in mean annual CH 4 emissions among 106 lakes across the globe. The model reproduces the variations of the observed surface CH 4 diffusion and ebullition along the gradients of lake latitude, depth, and surface area. The results suggest that OMP could play an important role in surface CH 4 diffusion, and its relative importance is higher in less productive and/or deeper lakes. The model performance is improved for capturing CH 4 outgassing events in non‐floodplain lakes and the seasonal variability of CH 4 ebullition in floodplain lakes by representing the effect of water level on ebullition. The model can be integrated into ESMs to constrain global lake CH 4 emissions and climate‐CH 4 feedback.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».