Atmospheric iron supply and marine productivity in the glacial North Pacific Ocean
Notice bibliographique
Résumé
Abstract. Iron (Fe) is a key element in the Earth climate system, as it can enhance marine primary productivity in the high-nutrient low-chlorophyll (HNLC) regions where, despite a high concentration of major nutrients, chlorophyll production is low due to iron limitation. Eolian mineral dust represents one of the main Fe sources to the oceans; thus, quantifying its variability over the last glacial cycle is crucial to evaluate its role in strengthening the biological carbon pump. Polar ice cores, which preserve detailed climate records in their stratigraphy, provide a sensitive and continuous archive for reconstructing past eolian Fe fluxes. Here, we show the Northern Hemisphere Fe record retrieved from the NEEM ice core (Greenland), which offers a unique opportunity to reconstruct the past Fe fluxes in a portion of the Arctic over the last 108 kyr. Holocene Fe fluxes (0.042–11.7 ka, 0.5 mg m−2 yr−1) at the NEEM site were 4 times lower than the average recorded over the last glacial period (11.7–108 ka, 2.0 mg m−2 yr−1), whereas they were greater during the Last Glacial Maximum (LGM; 14.5–26.5 ka, 3.6 mg m−2 yr−1) and Marine Isotope Stage 4 (MIS 4; 60–71 ka, 5.8 mg m−2 yr−1). Comparing the NEEM Fe record with paleoceanographic records retrieved from the HNLC North Pacific, we found that the coldest periods, characterized by the highest Fe fluxes, were distinguished by low marine primary productivity in the subarctic Pacific Ocean, likely due to the greater sea ice extent and the absence of major nutrients upwelling. This supports the hypothesis that Fe fertilization during colder and dustier periods (i.e., LGM and MIS 4) was more effective in other regions, such as the midlatitude North Pacific, where a closer relationship between marine productivity and the NEEM Fe fluxes was observed.
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 ».