Hydroclimate and landscape diversity drive highly variable greenhouse gas emissions from tropical and subtropical inland waters
Notice bibliographique
Résumé
(Sub)tropical inland waters are important greenhouse gas (GHG) sources, yet limited observations have long hindered broad analyses of GHG variability across this diverse region. Here, through a meta-analysis, we have examined the rates and drivers of GHG emissions from flowing and standing (sub)tropical inland waters. We find considerable spatial variation in fluxes, largely related to differences in hydroclimate, geomorphology, land cover and human disturbance. Flowing waters emit more carbon dioxide (3,387 2,121 5,702 TgCO2 yr−1, expressing median first quartile third quartile ), methane (10.6 0.1 28.8 TgCH4 yr−1) and nitrous oxide (0.62 0.35 1.10 TgN2O yr−1) than standing waters (114 73 219 TgCO2 yr−1, 5.4 2.1 9.1 TgCH4 yr−1 and 0.03 0.02 0.05 TgN2O yr−1, respectively). (Sub)tropical inland waters release 4,238 2473 7375 TgCO2-equivalents annually, with first- to third-order streams contributing 75% of riverine emissions and lakes larger than 100 km2 contributing 59% of standing water emissions. Our results suggest emissions from (sub)tropical waters are 29–72% lower than earlier estimates, a downward revision with important implications for global GHG budgets. This meta-analysis assesses the rates and drivers of greenhouse gas emissions from flowing and standing (sub)tropical inland waters, finding that emissions are lower than previous estimates. Considerable spatial variation in fluxes arises mainly from differences in hydroclimate, geomorphology, land cover and human disturbance.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,007 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».