Seasonal Influence on Subsurface Rates of Microbial Sulfate Reduction and Sulfur Isotope Fractionation in Coastal Sediments
Notice bibliographique
Résumé
Abstract Sulfur isotope fractionation during microbial sulfate reduction is often preserved in the mineral pyrite (FeS 2 ), which has been used to reconstruct the biogeochemical sulfur cycle and redox geochemistry of the oceans over the Earth history. Understanding what controls the preserved sulfur isotopic composition of pyrite is therefore of paramount importance, but it has been difficult to deconvolve the influence of environmental changes from changes in sedimentation rate. We present a 16‐month record of pore fluid geochemical profiles with in situ sampling apparatus installed in coastal sediments, one of which is dominated by microbial sulfate reduction and the other dominated by bacterial iron reduction. Our data include monthly sulfate (SO 4 2− ) and chloride concentrations (Cl − ), dissolved iron concentrations (Fe 2+ ), and the sulfur isotopic composition of dissolved sulfate (δ 34 S SO4 ) up to 36 cm below the sediment‐water interface. We use a reactive transport model to determine the expressed sulfur isotopic fractionation factor for each month and a Monte Carlo simulation to calculate net sulfate flux into the sediment based on pore fluid profiles from the sulfidic sediment. Net rates of sulfate reduction in the sulfidic sediment vary by three orders of magnitude over the seasonal cycle and are positively correlated with air temperature. The expressed sulfur isotope fractionation factor varies between 20 and 70‰ and reaches the thermodynamic limit in the colder months. Our data suggest that the correlation between temperature and the subsurface microbial sulfur biogeochemical cycle should be considered when interpreting sulfur isotope ratios in pyrite over Earth history.
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 ».