Changes in the Composition of Nitrogen Yields in Large Arctic Rivers Linked to Temperature and Precipitation
Notice bibliographique
Résumé
Abstract Global trends in river nitrogen yields reflect human distortion of the global nitrogen cycle. Climate change and increasing agricultural intensity are projected to enhance river nitrogen yields in temperate watersheds and impair downstream water quality. However, little is known about the environmental drivers of nitrogen yields in major Arctic rivers, which have experienced rapid climatic changes and are important conduits of nutrients and organic matter to the Arctic Ocean. Here we analyze trends in nitrogen yields in the six largest Arctic rivers between 2003 and 2023 and develop generalized additive models to elucidate the watershed characteristics and climatic processes associated with observed spatial and interannual variability. We found significant increases in dissolved organic nitrogen yield and/or declines in dissolved inorganic nitrogen yield in four of the six rivers. While temperature and precipitation, via their relationships to discharge, enhance dissolved nitrogen yields, we attribute the diverging trends to the responses of inorganic and organic nitrogen to temperature via effects on permafrost free extent. Spatially, we attribute differences in nitrogen yields across watersheds to differences in land cover and temperature. Shifts in the amount and composition of river nitrogen yields will impact the balance between primary productivity and heterotrophy in nitrogen limited coastal Arctic Ocean ecosystems. Results from this work highlight the importance of climate‐driven changes in temperature and precipitation on river nitrogen yields in large Arctic rivers and motivate further investigation into how permafrost loss and hydrological shifts interact to drive water quality and biogeochemical cycling in the region.
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 ».