Iron Mineralogy and Sediment Color in a 100 m Drill Core From Lake Towuti, Indonesia Reflect Catchment and Diagenetic Conditions
Notice bibliographique
Résumé
Abstract Iron is the most abundant redox‐sensitive element on the Earth's surface, and the oxidation state, mineral host, and crystallinity of Fe‐rich phases in sedimentary systems can record details of water‐rock interactions and environmental conditions. However, we lack a complete understanding of how these Fe‐rich materials are created, maintained, and oxidized or reduced in sedimentary environments, particularly those with mafic sources. The catchment of Lake Towuti, Indonesia, is known to contain a wide range of abundant crystalline Fe oxide, and the lake has a long sedimentary history. Here, we study a ∼100 m long drill core from the lake to understand patterns of sedimentation and how young iron‐rich sediments are affected by diagenesis through geologic time. We use visible/near infrared and Mössbauer spectroscopy, X‐ray diffraction, bulk chemistry measurements, and statistical cluster analysis to characterize the core sediment. We find that the core sediment can be divided into three statistically different zones dominated by Mg serpentine, Al clay minerals, and Fe 2+ carbonate, respectively. The entire core is rich in nanophase Fe, and elemental correlations and Fe mineralogy vary between these zones. The nanophase Fe is highly complex with both ferrous and ferric components, and contributes to, but does not dictate, variations in sediment color. We propose that the distinctive zones are the result of structural basin changes (notably river capture and shifting drainage patterns), and diagenetic overprinting caused by deep burial of reactive Fe. This complex record has implications for disentangling depositional and diagenetic trends in other mafic lacustrine systems.
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 | 0,001 |
| 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 ».