The evolution of methane production rates from young to mature thermokarst lakes
Notice bibliographique
Résumé
Abstract. Thermokarst lakes, formed by permafrost thaw in the Arctic, are hotspots for methane (CH4) and carbon dioxide (CO2) emissions and are expected to double permafrost carbon emissions by the end of the century. While the implications of ongoing permafrost thaw on CH4 dynamics in these lakes have been modeled, here we provide empirical data on CH4 production dynamics as lakes evolve from young recently formed lakes to older lakes that have been present for hundreds of years. Sediment cores (up to 4 m long) were collected from the centers and thermokarst margins of a new thermokarst lake (Big Trail Lake (BTL), < 70 years old) and from an older thermokarst lake (Goldstream Lake (GSL), ∼ 900 years old) from the same interior Alaskan watershed. The highest CH4 production rates were observed in the uppermost sediments near the sediment–water interface at the thermokarst margins of both lakes, with a steep decrease with sediment depth into the talik. BTL exhibited elevated CH4 production rates, correlated with higher carbon lability for thermal-induced reactions measured by Rock-Eval analyses, suggesting its potential use as a proxy for organic carbon breakdown by methanogenesis. In contrast, GSL displayed lower CH4 production rates, likely due to a longer period of organic carbon degradation and reduced carbon lability. The integrated sediment-column CH4 production rates were similar (around 7 to 10 mol m−2 yr−1), primarily due to the thinner talik at BTL. Our data support the predictions that the formation and expansion of thermokarst lakes over the next centuries will increase CH4 production in newly thawed Yedoma permafrost sediments, while CH4 production will decrease as taliks mature and labile organic carbon is used up.
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 | 0,001 |
| 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 ».