Metabolism is of minor importance for under-ice DIC dynamics in hardwater lakes
Notice bibliographique
Résumé
Our knowledge of inland lakes is largely based on samples collected during the ice-free “growing” season, even though lakes in continental climates may be ice-covered for several months during winter. Studies that have characterized under-ice conditions were predominantly conducted in dilute boreal and temperate lakes, while information on hardwater lakes (>120 mg L−1 CaCO3) is still limited. Yet, hardwater lakes represent ∼50% of standing waters on earth, contain large quantities of dissolved organic and inorganic carbon (DOC, DIC) and are considered hotspots of carbon processing. Here, we present results from a 9-lake survey of Canadian hardwater lakes, conducted over 3 consecutive winters, with preceding summer conditions characterized to contrast seasonal differences. Despite their 10-fold differences in morphometry and water chemistry, hardwater lakes showed similar trajectories from fall to winter to spring: (1) physical freeze-out increased salinity and DOC; (2) metabolic activity controlled algal biomass, dissolved oxygen (DO), pH, and soluble reactive phosphorus (SRP); and (3) DIC dynamics were influenced predominantly by nonmetabolic factors such as hydrology (groundwater) and water chemistry (CaCO3 dissolution), relative to metabolic factors (aerobic/anaerobic respiration). While temporal patterns of chlorophyll a, DO, SRP, and pH were comparable to boreal and temperate lakes, DIC dynamics were starkly different. Hence, we propose that hardwater lakes should be considered separately, particularly pertaining to their role in the global carbon cycle.
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) | 0,000 | 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 ».