Nuclear Magnetic Resonance Based Investigations of Contaminant Interactions with Soil Organic Matter
Notice bibliographique
Résumé
Contaminant interactions with soil organic matter (SOM) are central to understanding the fate and transport of chemicals in soil environments. Elucidation of sorption processes will facilitate the efficiency of passive remedial methods and improve the accuracy of risk assessment models. Early studies in the 1960s identified a relationship between SOM and the sorption of chemicals and laid the foundation for an area of research which is still active today. The onset of analytical instrumentation assisted the characterization of SOM chemical fractions, namely the fulvic acid (FA) and humic acid (HA) fractions. The employment of SOM chemical fractions in contaminant sorption studies has produced many empirical relationships between contaminant sorption behavior and SOM structure. More recently, molecular‐level techniques such as nuclear magnetic resonance (NMR) spectroscopy have been applied to examine specific interactions between contaminants and SOM fractions. These methods enable direct studies and are likely to further improve the fundamental understanding of contaminant interactions with SOM in the near future. For instance, NMR techniques should produce mechanistic information that will enable the accurate explanation of sorption phenomena at the macroscopic and landscape level. In addition to SOM chemical structure, researchers must consider the organic matter physical conformation at the soil–water interface because chemical methods provide structural information of the whole sample but do not provide detail about their physical architecture within the soil. This manuscript highlights studies which have examined contaminant interactions at the macroscopic‐ and molecular‐level and demonstrates the common themes stemming from different levels of investigation.
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 | 0,001 | 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) | 0,002 | 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 ».