Simplifying and improving the extraction of nitrate from freshwater for stable isotope analyses
Notice bibliographique
Résumé
Determining the isotopic composition of nitrate (NO(3)(-)) in water can prove useful to identify NO(3)(-) sources and to understand its dynamics in aquatic systems. Among the procedures available, the 'ion-exchange resin method' involves extracting NO(3)(-) from freshwater and converting it into solid silver nitrate (AgNO(3)), which is then analysed for (15)N/(14)N and (18)O/(16)O ratios. This study describes a simplified methodology where water was not pre-treated to remove dissolved organic carbon (DOC) or barium cations (added to precipitate O-bearing contaminants), which suited samples with high NO(3)(-) (≥ 00 μM or 25 mg L(-1) NO(3)(-)) and low DOC (typically < 17 μM of C or 5 mg L(-1) C) levels. % N analysis revealed that a few AgNO(3) samples were of low purity (compared with expected % N of 8.2), highlighting the necessity to introduce quality control/quality assurance procedures for silver nitrate prepared from field water samples. Recommendations are then made to monitor % N together with % O (expected at 28.6, i.e. 3.5 fold % N) in AgNO(3) in order to better assess the type and gravity of the contamination as well as to identify potentially unreliable data.
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 ».