Dissolved Cd, Co, Cu, Fe, Mn, Ni, and Zn in the Arctic Ocean
Notice bibliographique
Résumé
Abstract During the Polarstern (PS94) expedition, summer 2015, part of the international GEOTRACES program, sources and sinks of dissolved (D) Cd, Co, Cu, Fe, Mn, Ni, and Zn were studied in the central Arctic Ocean. In the Polar Surface Water in which the TransPolar Drift (TPD) is situated, salinity and δ 18 O derived fractions indicated a distinct riverine source for silicate DCo, DCu, DFe, DMn, and DNi. Linear relationships between DMn and the meteoric fraction depended on source distance, likely due to Mn‐precipitation during transport. In the upper 50 m of the Makarov Basin, outside the TPD core, DCo, DMn, DNi, DCd, and DCu were enriched by Pacific waters, whereas DFe seemed diluted. DCo, DFe, DMn, and DZn were relatively high in the Barents Sea and led to enrichment of Atlantic water flowing into the Nansen Basin. Deep concentrations of all metals were significantly lower in the Makarov Basin compared to the Nansen and Amundsen, the Eurasian, Basins. The Gakkel ridge hydrothermal input and higher continental slope convection are explanations for higher metal concentrations in the Eurasian Basins. Although scavenging rates are lower in the Makarov Basin compared to the Eurasian Basins, the residence time is longer and therefore scavenging can decrease the dissolved concentrations with time. This study provides a baseline to assess future change, and additionally identifies processes driving trace metal distributions. Our results underline the importance of fluvial input as well as shelf sources and internal cycling, notably scavenging, for the distribution of bio‐active metals in the Arctic Ocean.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».