Chemical and visual characterisation of EGRIP glacial ice and cloudy bands within
Notice bibliographique
Résumé
Abstract. Impurities in polar ice play a critical role in ice flow, deformation, and the integrity of the ice core record. Especially cloudy bands, visible layers with high impurity concentrations, are prominent features in ice from glacial periods. Their physical and chemical properties are poorly understood, highlighting the need to analyse them in more detail. We bridge the gap between decimetre and micrometre scales by combining the visual stratigraphy line scanner, fabric analyser, microstructure mapping, Raman spectroscopy, and laser ablation inductively coupled plasma mass spectrometry 2D impurity imaging. We classified approximately 1300 cloudy bands from glacial ice from the East Greenland Ice-core Project (EGRIP) ice core into seven different types. We determine the localisation and mineralogy of more than 1000 micro-inclusions at 13 depths. The majority of the minerals found are related to terrestrial dust, such as quartz, feldspar, mica, and hematite. We further found carbonaceous particles, dolomite, and gypsum in high abundance. Rutile, anatase, epidote, titanite, and grossular are infrequently observed. The 2D impurity imaging at 20 µm resolution revealed that cloudy bands are clearly distinguishable in the chemical data. Na, Mg, and Sr are mainly present at grain boundaries, whereas dust-related analytes, such as Al, Fe, and Ti, are located in the grain interior, forming clusters of insoluble impurities. We present novel vast micrometre-resolution insights into cloudy bands and describe the differences within and outside these bands. Combining the visual and chemical data results in new insights into the formation of different cloudy band types and could be the starting point for future in-depth studies on impurity signal integrity and internal deformation in deep polar ice cores.
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 ».