Greenhouse gas dynamics in fishponds: management versus environmental controls in a complex aqua-agriculture system, France
Notice bibliographique
Résumé
Fishponds are hotspots for carbon sequestration, processing, and emissions. However, the environmental drivers of greenhouse gas (GHG) fluxes in these ecosystems remain poorly understood. This study investigates how management practices influence GHG dynamics during the wet phase. We hypothesize that management alters water and sediment characteristics, thereby affecting GHG dynamics. In summer 2023, we measured CO 2 and CH 4 concentrations, along with water and sediment characteristics, in 38 ponds in La Dombes (France) in response to fertilization, feeding, liming and drying. GHG concentrations varied widely (CO 2 : 0.99–275.6 μmol L −1 , CH 4 : 0.20–32.45 μmol L −1 ) and fluxes ranged from −10.1-148.4 mmol m 2 ·d −1 for CO 2 and from 0.1 to 20.1 mmol m 2 ·d −1 for CH 4 . Fish-farming practices primarily influenced sediment-rather than water-properties. CO 2 concentrations were negatively related to dissolved oxygen and pH, positively influenced by feeding, which together explained 75 % of variability. CH 4 dynamics appeared more complex, likely due to shallow depths, ebullition, and local environmental heterogeneity. This study highlights the strong variability in GHG emissions among ponds, partly mediated by fish-farming practices, and provides insights into their environmental drivers. Further research, including seasonal monitoring and experimental approaches, is needed to identify key management-related factors to help mitigate the climate impact of fish-farming.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».