Determining Total Mercury in Samples from the Persian Gulf and the Caspian Sea: Comparison of Dry Ash and Wet Extraction Mothods
Notice bibliographique
Résumé
Monitoring of mercury in environmental samples, with its proven toxicity on the food chain, requires sensitive and accurate analytical techniques. In this study, two methods for identification and quantification of total mercury in biological and sediment samples are compared: i) dry ash preparation and subsequent established procedures for Combustion Atomic Absorption Spectrometry, (AMA 254) and ii) wet extraction consisted of classical and microwave oven digestion methods combined with cold vapor Atomic Absorption (CV AAS) analyzing method. In order to compare the accuracy of the methods for total mercury determination, biological and sediment certified Reference Materials and environmental samples were analyzed. The precision and accuracy of the applied analytical methods were compared on eight Certified Reference Materials, Dorm2, Dolt 2 and Tort 2, trace metals in dog fish muscle, liver and Lobster (provided by the national research council of Canada); NIST 1556a, NISTt-2976, IAEA 142 trace metals and mercury in oyster, mussels and fish, respectively; IAEA 086 and IAEA405 trace elements in hair and in polluted estuary sediment (provided by international Atomic Energy), respectively. Ten environmental (fish and sediment) samples and one inter-comparison sample (BCR 710, Total and methylmercury in oyster tissue) as well as certified samples were analyzed in six replications. The detection limits (DLs) in the combustion AAS (AMA), CEM (MDS 2000) microwave oven CVAAS, CEM (Mars 5) microwave oven CV AAS and in normal oven CV AAS for biological and sediment were compared. The AMA 254 with lower detection and quantification limits was more sensitive analyzing method in comparing with the other methods.
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 | 0,003 | 0,001 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».