Trace metal elements as paleoenvironmental proxies: Why should we account for sedimentation rate variations?
Notice bibliographique
Résumé
Abstract Trace metal elements (TMEs) are commonly used to reconstruct the environmental conditions present during the deposition of organic-rich sediments. For example, TME concentrations controlled by changes in primary productivity and redox conditions are widely used in paleoenvironmental studies. Recently, these proxies have undergone a resurgence of interest and are commonly used in large-scale (10–1000 km) studies. However, applying these geochemical proxies at basin scale while ignoring variations in sedimentation rates (SR) may lead to misinterpretation of paleoenvironmental conditions. Here, we show how SR can affect the geochemical records and may lead to incorrect interpretations of TME evolution. Accounting for SR, we computed the authigenic fraction accumulation rates of key TMEs in the Upper Montney Formation and Doig Phosphate (Triassic, western Canada), and we correct the concentration of these elements in the Vaca-Muerta Formation (Jurassic–Cretaceous, Argentina). Our SR-corrected TME proxies require a different interpretation of paleoenvironmental conditions (e.g., primary productivity, basin restriction) compared to conventional TME results and highlight that elementary enrichments commonly interpreted as indicative of anoxic depositional environments may reflect low SR and the formation of condensed intervals. This work also introduces a new workflow to account for SR in paleoenvironmental studies at basin scale and over long time periods.
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) | 0,002 | 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 ».