Wildfire effects on lake carbon cycling among three north temperate and boreal regions
Bibliographic record
Abstract
L'intensité et la fréquence des feux de forêt ont augmenté dans les paysages nordiques, perturbant le cycle et le transport du carbone dans les continua terrestres-aquatiques. Cependant, l’effet des feux de forêt sur la dynamique du carbone lacustre reste méconnu en raison du manque d'études comprenant des comparaisons interrégionales et des bilans de carbone incluant différentes formes avec des destins (évasion, export, stockage) contrastés. Nous avons analysé la concentration et la proportion des formes dominantes du carbone (Carbone Organique Dissout (COD), Carbone Inorganique Dissout (CID), Carbone Organique Particulaire (COP), CO2, CH4) dans 54 lacs situés dans des bassins versants brûlés par rapport à des bassins versants témoins dans 3 régions nordiques tempérées et boréales du Québec et du Minnesota, sur un gradient de 3 ans après le feu. Dans l'ensemble, les lacs étaient plus semblables à l'intérieur des régions qu'entre les régions, indépendamment du feu, mais il y avait des effets intrarégionaux du feu. Le COD a augmenté dans les lacs des bassins versants brûlés malgré l'absence d'effet significatif sur les concentrations de CO2 et de CH4. En outre, les feux de forêt augmentent la contribution du COD aux bilans total de carbone du lac, ce qui favorise la réduction de la transparence de l'eau et augmente le potentiel de transformation in-situ du carbone par minéralisation. Ce changement de la dynamique de C dans les lacs, qui se traduit par une augmentation de la quantité et de la proportion de COD, suggère que les feux de forêt causent une exportation de carbone dans les bassins versant boréaux, dont le destin reste inconnu. Grâce à l'intégration de diverses formes de carbone ayant des taux de renouvellement et des destins différents, cette étude met en évidence un effet supplémentaire du feu sur le cycle du carbone, détectable à plus long terme que la perte directe de carbone terrestre due à la combustion de la végétation, dont l'importance au niveau du bassin versant reste à déterminer et qui pourrait avoir un impact sur le cycle du carbone à l'échelle mondiale.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".