Climate change: temperature and oxygen impacts on the photooxidation of dissolved organic carbon (DOC)
Notice bibliographique
Résumé
Over the past 20 years, the Amazon has experienced extreme floods, droughts and warmer temperatures due to climate change. Water temperature in the Rio Negro, a major tributary of the Amazon River, reached it highest October value during the 2023 drought. In Lake Tefé, connected to the Rio Solimões (another major tributary of the Amazon river), water temperatures reached 39°C. Increasing temperatures, and associated decreases in oxygen, will plague the Amazon and other regions, altering and accelerating links in the carbon cycle, such as photooxidation of dissolved organic carbon (DOC). We determined the response of DOC photooxidation rate in the Rio Negro (black-water) and Rio Solimões (white-water) to increases in water temperature between 20°C and 40°C and oxygen concentration between 0.01 mg O 2 .l -1 and 8 mg O 2 .l -1 . The temperature coefficient (Q10) averaged 1.165, indicative of the dominance of diffusive processes, presumably of reactive oxygen species involved in photooxidation. Direct kinetic release of CO 2 was 15% to 21% of normoxic CO 2 production, and did not respond to temperature. The activation energy (Ea) of photooxidation was 13.14 kJ.mol -1 in the Rio Solimões and14.09 kJ.mol -1 in the Rio Negro. The Eas were not significantly different, suggesting no differences in the cost of photooxidation between the two rivers. They align with UVB Eas. Photooxidative production of CO 2 only became oxygen limited between 0.5 mgO 2 .l -1 – 0.8 mgO 2 .l -1 (1.2 kPa – 1.9 kPa, 23°C). Thus, near-surface levels of oxygen are unlikely to directly depress CO 2 production of DOC as temperatures rise.
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 | 0,000 | 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 | 0,000 |
| 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 ».