A methodological study on the analysis of organic matter associated with iron oxides in marine sediments
Notice bibliographique
Résumé
Coastal shelves significantly contribute to the burial of natural organic matter (NOM) in marine sediments, with about 21.5 ± 8.6% of NOM associated with reactive iron oxides, which preserve NOM from biodegradation. Quantifying this preserved NOM requires a method to release bound carbonaceous molecules from iron minerals. The citrate-bicarbonate-dithionate (CBD) method is commonly used to liberate NOM from iron oxides through reductive dissolution. This method includes a control experiment using an NaCl solution to distinguish NOM associated with iron oxides from that leaching out from other minerals. This study aims to determine if desorbed NOM during the control experiment comes from other minerals or is loosely bound to iron oxides. We synthesized lepidocrocite (γ-FeOOH) in the presence and absence of plankton-extracted NOM to mimic sorption and conducted similar experiments on kaolinite, montmorillonite, and their mixture, representing common clay minerals in sediments. Quantifying the carbon content revealed that NOM associated with γ-FeOOH is 1.5–9.0 times greater than with other minerals. Post-treatment results indicate a 22.2%–42.7% loss of NOM associated with iron oxides, suggesting that deducting NOM lost during the control step underestimates the amount of carbon preserved by iron minerals in marine sediments. • The efficiency of the method to quantify Fe-associated organic matter is revisited. • Organic matter released in the control experiment is partly associated with iron. • Clay minerals also release organic matter during the control experiment. • As Usually applied, the method underestimates Fe associated organic matter.
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 | 0,001 |
| 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) | 0,004 | 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 ».