Temporal patterns of greenhouse gas emissions from two small thermokarst lakes in Nunavik, Canada
Notice bibliographique
Résumé
Abstract. Small thermokarst lakes, formed by the thawing of ice-rich permafrost, are significant sources of greenhouse gases (GHGs). Most estimates of emissions rely solely on daily measurements, which may bias annual flux calculations. In this study, we combined GHG flux measurements from two intensive summer campaigns with nearly 2 years of continuous temperature, oxygen and conductivity profiling in two small (< 200 m2) thermokarst lakes in Nunavik (56°33′28.8′′ N, 76°28′46.5′′ W), Canada. One campaign occurred during a colder period (8.8 °C average temperature) and the other during a warmer one (14.6 °C average temperature), with one lake being humic and sheltered and the other more transparent and wind-exposed. Average diffusive fluxes of CO2 (22.1 ± 20.5 mmolm-2d-1; mean ± standard deviation) and CH4 (14.3 ± 14.2 mmolCO2-eqm-2d-1) were consistent with values reported for similar thermokarst lakes, while N2O fluxes were negligible (−0.8 ± 1.3 mmolCO2-eqm-2d-1). Emissions increased fourfold during the warmer summer, alongside the emergence of a diel trend, where daytime (09:00–17:00 EST) CO2 fluxes increased by 47 %, CH4 by 95 %, and negative N2O fluxes by 75 % relative to nighttime fluxes. Moreover, ebullitive CH4 fluxes were six times higher than diffusive fluxes in the humic, sheltered lake, reaching 117.0 ± 44.7 mmolCO2-eqm-2d-1. Seasonal flux estimates indicate that emissions could peak in autumn and spring, as the lakes accumulated large concentrations of GHG at the bottom. Our findings highlight the importance of including both daytime and nighttime measurements, as well as storage fluxes (emitted in spring and autumn), to improve the accuracy of GHG emission estimates from thermokarst lakes.
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) | 0,002 | 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 ».