Rapid assessment of heavy metal pollution using ion-exchange resin sachets and micro-XRF core-scanning
Notice bibliographique
Résumé
Abstract Conventional pollution monitoring strategies for heavy metals are often costly and unpractical. Innovative sampling and analytical approaches are therefore needed to efficiently monitor large areas. This study presents a novel, simple, fast, and inexpensive method to monitor heavy metal pollution that uses cation-exchange resin sachets and the micro-XRF core-scanning technique (XRF-CS). The resin passive samplers act as concentrators of cationic species and can be readily deployed spatially and temporally to record pollution signals. The large number of analytical tasks are then overcome by the fast and non-destructive XRF-CS to precisely assess elemental concentrations. Quantifying element loading involves direct comparison with a set of identically prepared and scanned resin reference standards containing Ca, Ti, Cr, Mn, Ni, Cu, Zn, Pb. The results show that within the test range (from 0–1000 s mg kg −1 ), the calibration lines have excellent regressions (R 2 ≥ 0.97), even at the shortest exposure time (1 s). A pilot field survey of a suspected polluted area in central Taiwan, where 30 resin sachets had been deployed, identified a pollution hot spot in a rapid and economical manner. Therefore, this approach has the potential to become a valuable tool in environmental monitoring and forensics.
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 | 0,002 | 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 | 0,000 | 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 ».