Tropical artificial rural and urban ponds are net sources of carbon dioxide and methane in Rwanda, East Africa
Notice bibliographique
Résumé
Artificial ponds have been overlooked as sources of greenhouse gases (GHGs) despite their potential to be significant emission sources. We studied the concentration of dissolved organic carbon, [DOC], and the concentration and fluxes of CO 2 and CH 4 in five rural fishponds and five ornamental urban ponds with areas of 981 to 3,676 m 2 in the capital of Rwanda, Kigali. The mean concentration of DOC in rural ponds (60.12 ± 4.70 mg L –1 ) was lower than that in urban ponds (69.61 ± 5.97 mg L –1 ). The dissolved CO 2 concentration in rural ponds (24.20 ± 2.40 μmol L –1 ) was also lower than that in urban ponds (30.40 ± 8.61 μmol L –1 ). However, the concentration of CH 4 in rural ponds (3.31 ± 1.16 μmol L –1 ) was ∼6 times higher than that in urban ponds (0.59 ± 0.11 μmol L –1 ). Areal CO 2 fluxes in rural ponds (8.07 ± 1.57 mmol m –2 d –1 ) were slightly higher than those in urban ponds (7.86 ± 3.33 mmol m –2 d –1 ). Areal CH 4 fluxes in rural ponds (1.77 ± 0.62 mmol m –2 d –1 ), were 7 times higher than in urban ponds (0.25 ± 0.05 mmol m –2 d –1 ). The mean C flux in CO 2 equivalents (CO 2 -eq) from all ponds was 275.53 g CO 2 -eq m –2 yr –1 , of which 53% was attributed to CH 4 . These findings highlight the need to include artificial ponds in national and global greenhouse gas inventories to their overall carbon footprint.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».