Data for: 'Applicability of the steady-state oxygen stable isotope method for estimating metabolism in low-productivity Arctic lakes'
Notice bibliographique
Résumé
The data (curated input data and results) used in the manuscript: "Applicability of the steady-state oxygen stable isotope method for estimating metabolism in low-productivity Arctic lakes" Each .zip file is a folder containing associated data and explanatory readme files (.txt) Abstract: Metabolism is a key property of lake ecosystem functioning, but logistical challenges make it difficult to estimate across remote regions. The steady-state dissolved oxygen (DO) stable isotope method (18O method) estimates metabolism from discrete water samples and thus enables large-scale surveys. However, this method relies on the assumptions that the upper mixed layer DO saturation (DO%) relative to its isotopic composition (δ18ODO) is at a steady state and that an increase in DO% results in a proportional decrease in δ18ODO. The applicability of these assumptions has not been broadly assessed for small, low-productivity lakes with predominantly benthic metabolism. We evaluated the 18O method in these types of systems by surveying 184 Arctic lakes in Sweden and found that the method consistently produces realistic estimates of metabolism in well-mixed conditions and when water temperatures were relatively stable. Under such conditions, results from the 18O method agreed with those from the free-water diel DO method and rates derived from both methods responded similarly to environmental drivers. In contrast, we found that the 18O method frequently generated unrealistic metabolic rates when temperatures were rising. Increasing temperatures may increase DO% irrespective of δ18ODO in the upper mixed layer and promote lake stratification, both violating the assumptions of the 18O method and preventing benthic metabolism from being integrated by surface water samples. We conclude that the 18O method is a powerful tool for studying metabolism in Arctic lakes across large spatial gradients, provided that temperature dynamics and vertical stratification are considered.
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 | 0,004 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,468 | 0,301 |
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 ».