Measurement of <scp>DMS</scp>, <scp>DMSO</scp>, and <scp>DMSP</scp> in natural waters by automated sequential chemical analysis
Notice bibliographique
Résumé
Abstract Dimethyl sulfide (DMS), dimethylsulfoniopropionate (DMSP), and dimethyl sulfoxide (DMSO) are key components of the marine sulfur cycle. The concentrations of these compounds exhibit large spatial and temporal variability in the surface ocean, creating a need for high resolution sampling. Existing automated underway measurement systems for DMS do not measure DMSP or DMSO, so their spatial variability is less well‐characterized. We present an accurate and robust method for the automated, high throughput sampling and measurement of DMS, DMSO, and DMSP (DMS/O/P) in a single water sample. The method is based on a three‐step sequence of purge and trap gas chromatography, where DMS analysis is followed by the enzymatic reduction of DMSO to DMS and the alkaline hydrolysis of DMSP to DMS. The system, which we call the Organic Sulfur Sequential Chemical Analysis Robot (OSSCAR), includes automated calibrations and blank determinations. OSSCAR can be used as a front‐end system for any sulfur detector and is suited for continuous underway analysis or the measurement of discrete water samples. The system described here has a minimum detection limit of ∼ 0.1 nM of DMS/O/P in a 2.5 mL sample. Assessment of liquid standards and intercalibration against independent analytical systems demonstrate good precision and accuracy of our method. Shipboard analysis of surface water DMS/O/P concentrations on a transect from Ocean Station Papa (50°N, 145°W) to Vancouver Island demonstrates the utility of OSSCAR for mapping variability in reduced sulfur compounds across dynamic and contrasting oceanographic conditions.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».