Investigating ophiolite weathering via lithium isotopes in the Indo-Burma range of northeast India
Notice bibliographique
Résumé
The weathering of silicate minerals regulates climate on million-year timescales. Some silicate bedrock, particularly ophiolites, are more susceptible to enhanced weathering than other lithologies. Lithium isotopes (δ7Li) are a proxy that can be used to help track weathering processes due to the fractionation of Li during secondary clay mineral formation. Here we present data collected from tributaries that source the Nagaland-Manipur Ophiolite Complexes in northeastern India, which ultimately flow into the Irrawaddy River in Myanmar, to test the hypothesis that the weathering of ultramafic terrains generated by arc-continent collisions can drive rapid atmospheric carbon drawdown. Major cations, anions, trace elements, δ7Li, and clay mineralogical compositions were measured from river water, bedload, and suspended sediment to gain insight into silicate weathering processes in the region. Our results show streams and rivers in this region contain δ7Li values that range from 20.6 to 31.2‰, with the ophiolitic-sourced tributaries being heavier than the global riverine average of ~23‰. This indicates that rivers draining ultramafic lithologies in warm humid climates are experiencing higher degrees of weathering intensity than other drainages comprised of more felsic lithologies. Additionally, XRD results show that most river bedload contains smectite clays, which may help promote organic carbon burial. These data combined highlight new pathways toward understanding silicate weathering as it relates to atmospheric CO2 drawdown.
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 | 0,001 |
| 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 ».