Mass Bias Corrections for Hydrogen and Oxygen Isotope Analysis of Tourmaline by Secondary Ion Mass Spectrometry
Notice bibliographique
Résumé
ABSTRACT Hydrogen (δ2H) and oxygen (δ18O) stable isotopes are used to trace fluid sources, metals, and contaminants in the environment and Earth's subsurface. Tourmaline-supergroup minerals provide an opportunity to quantify both δ2H and δ18O from the same grain using in situ analytical techniques (e.g., Secondary Ion Mass Spectrometry – SIMS). These minerals occur in a wide variety of geological environments and have a wide range of chemical compositions. However, large differences in chemical composition are problematic during SIMS analysis, as instrumental mass fractionation (IMF) often varies with the chemical composition of the mineral. Therefore, calibration models derived by analyzing tourmalines of different chemical composition must be developed for accurate analysis by SIMS. Hydrogen and oxygen isotope analysis was done on six reference tourmaline samples using a CAMECA 7f SIMS instrument operating at extreme energy filtering. Spot-to-spot repeatability for tourmalines was in the range 4–5‰ and 0.6–1.0‰ for δ2H and δ18O, respectively. There is a strong correlation between IMF and several elements (B, Si, Ca, Fe, and Fe#). Iron content is the most robust predictor of IMF, and we report two calibration curves for the correction of δ2H and δ18O measured by SIMS using reference tourmaline crystals with different Fe contents, ranging from 0.00 to 14.00 wt.% Fe. This is the first calibration curve used to correct for the fractionation of hydrogen isotope ratios in tourmaline as measured by SIMS. Tourmaline-supergroup minerals require a suite of at least three, with a range of Fe content, to ensure accurate and precise H and O analysis by SIMS. Crystallographic orientation effects were not observed for these tourmalines.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,003 | 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 ».