Seasonal and Diurnal Patterns of Methane Emissions From a Northern Pristine Peatland in the Last Decade
Notice bibliographique
Résumé
Abstract Northern peatlands are key carbon reservoirs and natural sources of methane (CH 4 ). However, the environmental controls of CH 4 ‐related processes remain unclear, making modeling the emissions a challenge. In this study, we first evaluated the process‐based CoupModel with unique long‐term (2001–2023) in situ measurements from a pristine sedge‐dominated peatland in northern Sweden. Results show that the calibrated model can reproduce the hourly CH 4 fluxes ( r 2 = 0.63) and CO 2 flux, and the abiotic variations well. The CH 4 flux showed significant sensitivity (66% relative importance) to parameters related to CH 4 transport, followed by production and oxidation. We further showed that CH 4 fluxes respond to temperature and water table depth (WTD) with a seasonal hysteresis, suggesting a 35% higher temperature sensitivity during below‐average WTD compared to above‐average WTD, and a two times higher sensitivity of CH 4 to lowering WTD than to elevating WTD. The hourly growing‐season CH 4 fluxes response to temperature also displayed a hysteresis in the diurnal cycle, with nighttime CH 4 fluxes being 14%–23% higher than the daytime fluxes. We presented a CH 4 budget for the site and estimated the annual mean methane emissions from 2014 to 2023 to be 12.2 ± 1.2 gC/m 2 /yr, identifying the emissions predominantly contributed by diffusion. We conclude that CoupModel can effectively simulate the CH 4 emission and its controls for the northern pristine peatland. Our study reveals the importance of hysteresis in the response of methane fluxes to environmental changes and highlights the need for considering the temporal and hydrologic variability in CH 4 ‐temperature dependencies in peatland management.
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 ».