A Critical Investigation of Hydride Generation-Based Arsenic Speciation in Sulfidic Waters
Notice bibliographique
Résumé
In sulfidic environments, hydride generation-based approaches are not suitable for arsenic determination because thioarsenates which can constitute the predominant arsenic species under these conditions (> 80% of total arsenic) are completely ignored. Sample acidification for preservation or during hydride generation leads to loss of total inorganic arsenic due to precipitation of arsenic-sulfur phases. Total concentrations can be determined correctly using 1% potassium iodide as prereducing agent while with L-cysteine (0.16 mol L(-1)), transformation of tetra-, tri-, and dithioarsenate to arsenite remains incomplete. By decreasing the original sample pH, hydride generation destroys thioarsenate species distribution because only monothioarsenate is stable over the whole pH range. Dithioarsenate transforms to arsenite below pH 4. Tetrathioarsenate transforms to trithioarsenate (pH 11.9) which subsequently transforms to arsenite (pH 5.6), followed by precipitation of arsenic-sulfur phases below pH 5. It is thus impossible to determine thioarsenates by hydride generation. The "As(III)"--fraction contains tetra-, tri-, and some dithioarsenate as well as arsenite, while monothioarsenate is determined with arsenate as "As(V)". Different analytical setups have substantial impact on thioarsenate hydride-generation behavior, thus provide little comparability and render reinterpretation of existing arsenic hydride-generation speciation data from sulfidic environments impossible. In natural geothermal water samples from Yellowstone National Park, total arsenic concentrations determined by ICP-MS and by HG-AFS with prereductant agreed well (< 6% relative difference). Speciation results deviated from the behavior predicted for thioarsenates from laboratory experiments, probably due to matrix effects.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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) | 0,001 | 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 ».