Seasonal and spatial variabilities in northern Gulf of Alaska surface water iron concentrations driven by shelf sediment resuspension, glacial meltwater, a Yakutat eddy, and dust
Notice bibliographique
Résumé
Abstract Phytoplankton growth in the Gulf of Alaska (GoA) is limited by iron (Fe), yet Fe sources are poorly constrained. We examine the temporal and spatial distributions of Fe, and its sources in the GoA, based on data from three cruises carried out in 2010 from the Copper River (AK) mouth to beyond the shelf break. April data are the first to describe late winter Fe behavior before surface water nitrate depletion began. Sediment resuspension during winter and spring storms generated high “total dissolvable Fe” (TDFe) concentrations of ~1000 nmol kg −1 along the entire continental shelf, which decreased beyond the shelf break. In July, high TDFe concentrations were similar on the shelf, but more spatially variable, and driven by low‐salinity glacial meltwater. Conversely, dissolved Fe (DFe) concentrations in surface waters were far lower and more seasonally consistent, ranging from ~4 nmol kg −1 in nearshore waters to ~0.6–1.5 nmol kg −1 seaward of the shelf break during April and July, despite dramatic depletion of nitrate over that period. The reasonably constant DFe concentrations are likely maintained during the year across the shelf by complexation by strong organic ligands, coupled with ample supply of labile particulate Fe. The April DFe data can be simulated using a simple numerical model that assumes a DFe flux from shelf sediments, horizontal transport by eddy diffusion, and removal by scavenging. Given how global change is altering many processes impacting the Fe cycle, additional studies are needed to examine controls on DFe in the Gulf of Alaska.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».