MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417245602 · doi:10.1021/acs.est.5c10778

Linking Freshwater Wetland Productivity and Methane Emissions: A Global Perspective

2025· article· en· W4417245602 sur OpenAlexaff
Jinshuai Li, Tianxiang Hao, Mousong Wu, Meng Yang, Zhi Chen, Guirui Yu, Hyun Seok Kim, Sara Knox

Notice bibliographique

RevueEnvironmental Science & Technology · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePeatlands and Wetlands Ecology
Établissements canadiensMcGill UniversityUniversity of British Columbia
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésCarbon cycleEddy covarianceWetlandBiogeochemical cycleEcosystemPrimary productionGreenhouse gasProductivityBiogeochemistry

Résumé

récupéré en direct d'OpenAlex

Understanding the link between wetland gross primary productivity (GPP) and methane (CH 4 ) emissions is crucial for global carbon cycle modeling, yet this coupling remains poorly constrained at a global scale due to data limitations. To address this critical gap, we compiled and analyzed the most comprehensive daily scale eddy covariance data set of GPP and CH 4 fluxes. In this analysis, we define this coupling as the slope of the linear fit between carbon fixed by ecosystems and carbon emitted as CH 4 . Results indicate that the median lag time between CH 4 emissions and GPP is 24.8 days. In terms of their coupling, for every gram of carbon fixed in wetlands, 0.03 (interquartile range: 0.02–0.05) grams of carbon are released into the atmosphere as CH 4 . The upscaling results indicate that the coupling in tropical wetlands is typically larger than in temperate and boreal wetlands, and the CO 2 -equivalent emissions of CH 4 surpass the amount of CO 2 absorbed through photosynthesis. These results enhance our understanding of the complex biogeochemical processes that drive CH 4 emissions, offering valuable insights into the interplay between carbon fixation and emissions dynamics in wetland ecosystems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,241
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & Technology→Même sujetPeatlands and Wetlands Ecology→Travaux en français237 207→