Application of mid-infrared spectroscopy for the quantitative and qualitative analysis of organic matter in Holocene sediment records
Notice bibliographique
Résumé
The organic matter composition of lake sediments influences important in-lake biogeochemical processes and stores information on environmental changes. Extracting this information is notoriously difficult because of the complexity of the organic matter matrix, which routinely imposes trade-offs between high temporal and analytical detail in the selection of methods of analysis. Here, we demonstrate the potential of diffuse reflectance Fourier transform infrared spectroscopy (DRIFTS) for achieving both of these objectives using untreated bulk samples from two Holocene lake-sediment cores from central Sweden. We develop quantitative models for sediment total organic carbon (TOC) with the same predictive abilities as models based on samples diluted with KBr and qualitatively characterize the organic matter using a spectra processing-pipeline combined with principal component analysis. In the qualitative analysis we identified four organic matter sub-fractions and the interpretation of these is supported and further advanced with molecular data from pyrolysis-gas chromatography/mass spectrometry (Py-GC/MS). Within these organic fractions, compound groups such as aromatics, lignin, aliphatics, proteins and polysaccharides were identified by means of DRIFTS and the analyses and processes outlined here enables rapid and detailed quantitative and qualitative analysis of sediment organic matter. The DRIFTS approach can be used as stand-alone method for OM characterization with high temporal resolution in Holocene sediment records. It may also function as a screening process for more specific analyses of sample subsets, such as when coupled with pyrolysis-GC/MS to further tease apart the OM composition, identify sources and determine degradation status.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».