Glacial Dust Surpasses Both Volcanic Ash and Desert Dust in Its Iron Fertilization Potential
Notice bibliographique
Résumé
Abstract The subarctic Pacific Ocean and Bering Sea comprise the second‐largest high nitrate, low chlorophyll region in the world, where primary production is limited by the availability of iron (Fe). To estimate the potential impact of different terrestrial aerosol Fe sources on marine ecosystems, we performed a suite of laboratory assessments following established protocols, including: (1) leaching with Milli‐Q water, (2) sequential extractions, (3) complete acid digestions, (4) X‐ray diffraction, and (5) grain size analysis. Measurements were performed on 20 fine‐grained (<5 μm) glacier‐derived sediments from Alaska and the Yukon, two fresh, never‐wetted volcanic ashes (Redoubt 2009 and Pavlof 2016), and six weathered ashes (Redoubt and Augustine) which span the past ∼8,700 years. We compared results to published data on Asian desert‐derived sediments, finding that the glacier‐derived sediments have five times higher easily reducible Fe (median 2.3 ± 0.6 wt.%) than desert‐derived samples (0.49 ± 0.1 wt.%) and fourteen times higher easily reducible Fe than fresh ash (0.16 ± 0.1 wt.%). In addition, fractional Fe solubility was higher in glacial sediment (median cumulative 0.31 ± 0.11% Fe S ) than volcanic ash (0.04 ± 0.02% Fe S ). Glacial sediments contained higher concentrations of other bioactive metals including Co, Ni, Cu, Zn, Mo, Cd, and Pb. Results suggest that glacier‐derived dust may provide the subarctic Pacific with more bioavailable iron per unit mass than either volcanic ash or Asian desert‐derived dust.
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) | 0,001 | 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 ».