Ultrahigh‐resolution mass spectrometry of simulated runoff from treated oil sands mature fine tailings
Notice bibliographique
Résumé
There is interest in using mature fine tailings (MFT) in reclamation strategies of oil sands mining operations. However, simulated runoff from different dried MFT treatments is known to have elevated levels of salts, toxic ions, and naphthenic acids, and alkaline pH and it is phytotoxic to the emergent macrophyte, common reed (Phragmites australis). Fourier transform ion cyclotron resonance mass spectrometry (FT-ICR MS) of the acidic species in the runoff confirmed that the distribution of oil sands naphthenic acids and associated oil sand acids was dependent on the MFT treatment. Furthermore, FT-ICR MS studies of the acidic species in hydroponic systems revealed that there was no plant-mediated change in the electrospray ionization mass spectra of the runoff. O(o)-containing species were prevalent (>90%), O(o)S(s) were predominant (<10% relative abundance), and O(o)N(n) were least abundant in all runoff water samples. O(o)S(s) species were predominant in all the samples investigated. The heteroatomic classes present in runoff water at greater than 1% relative abundance include: O(2)N(1), O(3)N(1), O(2), O(2)S(1) O(3), O(3)S(1), O(4), O(4)S(1), O(5), O(5)S(1), O(6), O(6)S(1), O(7), O(7)S(1), O(8) and O(8)S(1). Assuming the same response factor for all O(o) species, the O(4) class, presumably dicarboxylic acids, was generally more prevalent than the O(2) class in all samples. The O(2) class is indicative of classical naphthenic acids. However, dicarboxylic acids will form negative ions more readily than the monocarboxylic acids as there are two acidic hydrogens available for formation of these species.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».