Ultrasensitive Speciation Analysis of Mercury in Rice by Headspace Solid Phase Microextraction Using Porous Carbons and Gas Chromatography-Dielectric Barrier Discharge Optical Emission Spectrometry
Notice bibliographique
Résumé
Rice consumption is a primary pathway for human methylmercury (MeHg) exposure in inland mercury mining areas of Asia. In addition, the use of iodomethane, a common fumigant that significantly accelerates the methylation of mercury in soil under sunlight, could increase the MeHg exposure from rice. Conventional hyphenated techniques used for mercury speciation analysis are usually too costly for most developing countries. Consequently, there is an increased interest in the development of sensitive and inexpensive methods for the speciation of mercury in rice. In this work, gas chromatography (GC) coupled to dielectric barrier discharge optical emission spectrometry (DBD-OES) was developed for the speciation analysis of mercury in rice. Prior to GC-DBD-OES analysis, mercury species were derivatized to their volatile species with NaBPh4 and preconcentrated by headspace solid phase microextraction using porous carbons. Limits of detection of 0.5 μg kg(-1) (0.16 ng), 0.75 μg kg(-1) (0.24 ng), and 1.0 μg kg(-1) (0.34 ng) were obtained for Hg(2+), CH3Hg(+), and CH3CH2Hg(+), respectively, with relative standard deviations (RSDs) better than 5.2% and 6.8% for one fiber or fiber-to-fiber mode, respectively. Recoveries of 90-105% were obtained for the rice samples, demonstrating the applicability of the proposed technique. Owing to the small size, low power, and low gas consumption of DBD-OES as well as efficient extraction of mercury species by porous carbons headspace solid phase micro-extraction, the proposed technique provides several advantages including compactness, cost-effectiveness, and potential to couple with miniature GC to accomplish the field speciation of mercury in rice compared to conventional hyphenated techniques.
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 | 0,001 | 0,004 |
| 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) | 0,000 | 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 ».