MétaCan
Menu
Retour à la cohorte
Enregistrement W4415168196 · doi:10.1144/jgs2025-088

Sulfate reduction and hydrogen sulfide oxidation rates in marine sediments with cryptic sulfur cycling

2025· article· en· W4415168196 sur OpenAlexaff
Tomas Israel Grijalva-Rodriguez, Gilad Antler, Efrat Eliani-Russak, Dong Feng, Shanggui Gong, André Pellerin, Hans Røy, Keren Solomovich, Alexandra V. Turchyn, Irina Zweig, Alexey Kamyshny

Notice bibliographique

RevueJournal of the Geological Society · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring and Analysis
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesIsrael Science Foundation
Mots-clésSulfateSulfurHydrogen sulfideSulfur cycleSulfidePyriteCycling

Résumé

récupéré en direct d'OpenAlex

Sedimentary systems affected by high fluxes of reactive iron develop a so-called ‘cryptic’ sulfur cycle in which hydrogen sulfide is nearly fully reoxidized and its concentrations of hydrogen sulfide in the porewaters are in the submicromolar range. The sediments of the Gulf of Aqaba represent a classic example of such a system. The goal of this work was to provide quantitative constraints on hydrogen sulfide concentrations in the sediments of the Gulf of Aqaba. Sulfate reduction rates in the sediments of the Gulf of Aqaba were found to be lower than in marine sediments that had not been affected by high fluxes of the reactive iron, while the rate constants of hydrogen sulfide oxidation were found to be higher than in the highly reactive iron-rich sediments of the Svalbard fjord. A combination of slow rates of sulfate reduction and fast rates of hydrogen sulfide oxidation results in concentrations of hydrogen sulfide in the porewater, both measured and calculated, that are below 100 nmol l −1 . We suggest that a similar cycling of sulfur species may occur in organic-matter-poor marine systems situated in dry environments with highly reactive iron mineral delivery, such as the Red Sea and the Atlantic Ocean in the vicinity of the Sahara.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,248
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Geological SocietyMême sujetWater Quality Monitoring and AnalysisTravaux en français237 207