MétaCan
Menu
Retour à la cohorte
Enregistrement W4407266378 · doi:10.1038/s43247-025-02070-1

Wildfires mediate carbon transfer from land to lakes across boreal and temperate regions

2025· article· en· W4407266378 sur OpenAlexafffundabout
Mathilde Bélair, Ian M. McCullough, Christopher T. Filstrup, Jennifer A. Brentrup, Jean‐François Lapierre

Notice bibliographique

RevueCommunications Earth & Environment · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBorealTemperate climateEnvironmental scienceCarbon fibersTaigaCarbon stockEcologyPhysical geographyGeographyClimate changeForestryBiology

Résumé

récupéré en direct d'OpenAlex

Wildfires can disrupt carbon transport from land to water, but how lake carbon cycling responds to fires remains unclear. Here, we analyzed the concentration and dominance of the main carbon forms in total carbon pools in 54 lakes (34 burned, 20 control) across 3 regions of Quebec, Canada and Minnesota, USA from recent wildfires ( < 1 – 3 years). Lakes in burned watersheds had up to double the dissolved organic carbon concentrations of control lakes, and the fire effect was most apparent when accounting for climate and landscape drivers (e.g., catchment to lake area ratio) of lake carbon cycling. The greater quantity and dominance of dissolved organic carbon in burned lakes over other carbon forms with different turnover rates and fates suggest a potential fire-mediated carbon export up to several years post fire with a yet undetermined fate in northern forested watersheds and with important implications for regional to global carbon budgets. Wildfires can increase lake carbon concentrations by up to double, mostly in the form of dissolved organic carbon, according to analyses of carbon in fire-disturbed and control lakes across Quebec and Minnesota.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,999

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 ouverte0,0010,001
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 Opus0,010
Tête enseignante GPT0,233
Écart entre enseignants0,223 · 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

Citations8
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetFire effects on ecosystemsTravaux en français237 207