Assessment of Sulfate Sources in High-Elevation Asian Precipitation Using Stable Sulfur Isotopes
Notice bibliographique
Résumé
Stable sulfur isotope measurements (delta34S) made on samples collected from a 2 m snowpit on the Inilchek Glacier, Tien Shan Mountains (42.16 degrees N, 80.25 degrees E, 5100 m) are used to estimate sources of sulfate (SO4(2-)) in high-elevation Central Asian precipitation. Comparison of snowpit oxygen isotope (delta18O) data with previous work constrains the age of the snowpit samples to the summer season during which they were retrieved (1999). Delta34S measurements were made at 10 cm resolution (20 samples total), with delta34S values ranging from 0.4/1000 during background ([SO4(2-)] < 1 microequiv L(-1)) periods to 19.4/1000 during a single high [SO4(2-)] event. On the basis of the significant correlation (r = 0.87) between [SO4(2-)] and delta34S values, coupled with major ion concentration time series and concentration ratios, we suggest a two-component mixing system consisting of evaporite dust and anthropogenic SO4(2-) to explain the observed delta34S values. Using a regression model, we estimate that during the 1999 summer season 60% of the deposited SO4(2-) was from an evaporite dust source, while 40% of the SO4(2-) was from anthropogenic sources. Due to the potentially large and unconstrained range of delta34S values for both evaporite and anthropogenic SO4(2-) sources in Asia, the error in our estimates is difficult to assess. However, the delta34S data from the 1999 Tien Shan snowpit provide the first unambiguous identification of evaporite and anthropogenic SO4(2-) in high-elevation Asian precipitation, and future ice core studies using improved analysis techniques and source delta34S values can provide detailed information on sulfur biogeochemistry and anthropogenic impacts in Asian alpine regions.
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 | 0,001 |
| 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 | 0,000 | 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 ».