Exploring the affinity and selectivity of sedimentary mackinawite (FeS) towards natural organic matter
Notice bibliographique
Résumé
While iron oxides have been thoroughly explored in terms of their ability to sorb and sequester organic carbon (OC) in sediments, the role of iron sulfide (Fe-S) minerals in the long-term sequestration of OC remains poorly defined. In this study, we assessed the affinity of different types of natural organic matter (NOM) towards synthetic Fe-S minerals using sorption isotherms. We found affinities and sorption capacities varying in the following order: plankton NOM > corn leaves NOM > aged terrestrial NOM. Scanning electron microscopy showed that NOM increases the size and surface area of Fe-S aggregates, likely also influencing their surface reactivity. High NOM contents in Fe-S minerals protected Fe(II) from oxidation after exposure to atmospheric oxygen. Analysis of the synthetically prepared Fe-S-NOM complexes by synchrotron scanning transmission X-ray microscopy (STXM) coupled to near-edge X-ray absorption fine-edge structure (NEXAFS) spectroscopy revealed strong interactions between Fe-S minerals and NOM extracted from plankton, specifically with amide and carboxylic functional groups. We also attempted to identify and characterize interactions between OC and Fe-S minerals in natural sulfidic sediments from the St. Lawrence Estuary and the Saguenay Fjord, hence linking our work on synthetic iron sulfides to what is occurring in natural environments, although this effort proved more challenging owing to the presence of Fe(III) minerals even at depth and the difficulty in distinguishing FeS from other Fe(II) minerals. We present depth concentration profiles of dissolved OC, iron, and sulfur in the liquid-phase (pore water) along with speciation data from sequential extractions of sulfur in the solid-phase collected from sediment cores. We found a clear association between mixed Fe(II)/Fe(III) minerals and OC in sediments, which, combined with the results of the synthetic FeS experiment, suggests that Fe-S minerals can promote OC sequestration in sediments.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».