Linking dissolved organic matter quality and quantity to CO2 and CH4 concentrations in ombrotrophic bog pools
Bibliographic record
Abstract
Les petits plans d'eau, en particulier ceux riches en matière organique, sont encore négligés en tant que sources naturelles majeures d'émission de carbone (C) dans l'atmosphère et contributeurs importants au bilan mondial de C. Les mares de tourbières riches en matières organiques sont une source nette de C atmosphérique dans les écosystèmes de tourbières, qui sont généralement un puits net de C. Ces mares émettent des gaz à effet de serre (GES) à des taux plus élevés, en particulier de méthane (CH4), par rapport à d'autres petits plans d'eau lentiques (petits lacs et étangs), ce qui peut être attribué à la connectivité hydraulique des bassins donc aux apports en C de la tourbe environnante et aux caractéristiques morphologiques des mares. Cependant, il existe très peu d'informations sur les schémas et les mécanismes de la dynamique du C dans les bassins de tourbières par rapport à leur couvert végétal ainsi qu'à d'autres petits environnements aquatiques. En particulier, la matière organique dissoute (MOD), un important intermédiaire et substrat de C, peut influencer la dynamique des émissions de GES, mais son rôle demeure méconnu à l'échelle intra- et inter-régionale. Dans cette étude, nous avons caractérisé et identifié les patrons intra- et interrégionaux et les mécanismes potentiels contrôlant la quantité et la qualité de la MOD et des concentrations de GES, ainsi que leurs liens en analysant une gamme de variables optiques et chimiques et en compilant les données géographiques (c'est-à-dire le climat, le couvert végétal et morphométrie des bassins) à partir de bassins de tourbières ombrotrophes dans cinq régions de l'est du Canada (Grande plée Bleue, sud du Québec et région de la Minganie, est du Québec) et du sud de la Patagonie chilienne (Punta Arenas, parc Karukinka et île Navarino). Nous avons également effectué un échantillonnage interannuel dans la Grande plée Bleue pour identifier les tendances temporelles des concentrations et de la composition des GES et de MOD. Nous avons trouvé une variabilité interrégionale élevée dans les patrons de MOD et de GES par rapport à la variabilité intrarégionale qui était cohérente avec l'hétérogénéité des propriétés géographiques, en particulier, le climat. Les patrons interrégionaux des concentrations de GES étaient de plus déterminés par la couverture végétale environnante, la morphométrie du bassin et la composition de la MOD de type protéique. D'autre part, bien que nous n'ayons pas observé de patrons temporels significatifs dans les concentrations de GES, de MOD et de la composition de type humique terrestre au cours de l’été dans la Grande plée Bleue, les patrons temporels de GES ont été influencés par la concentration de MOD, la composition de type humique terrestre, et la chimie interne de l'eau. Dans l'ensemble, nos résultats suggèrent que les patrons interrégionaux de la MOD et des GES, et les liens entre eux, sont principalement contrôlés par le climat (température et précipitations), la couverture végétale et la morphométrie des bassins, tandis que les patrons temporels de la MOD et des GES sont principalement régis par des facteurs à l'échelle locale tels que la morphométrie des bassins et la connectivité hydrologique.
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 | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".