MétaCan
Menu
Retour à la cohorte
Enregistrement W2975689365 · doi:10.4095/314499

Choosing an appropriate digestion protocol for environmental risk assessments of mineralized earth materials

2019· report· en· W2975689365 sur OpenAlexaffabout
Michael B. Parsons, Heather E. Jamieson, Clare B. Miller, Jennifer M. Galloway

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and environmental studies
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésProtocol (science)Environmental scienceDigestion (alchemy)ChemistryMedicineChromatography

Résumé

récupéré en direct d'OpenAlex

Ecological and human health risk assessments at active and abandoned metal mines require accurate geochemical data for earth materials, including soils, sediments, dusts, and mine wastes. Reliable data on metal(loid) concentrations are also important for establishing geochemical baselines and to support environmental monitoring activities. However, the reported concentration for an element in a given sample can be affected by many factors, including mineralogy, grain size, laboratory digestion conditions (reagents, temperature, time), and the instrument(s) used for elemental analysis. In particular, aggressive multi-acid digestion methods used to provide 'near-total' data for some metals of environmental interest (e.g. chromium (Cr), uranium (U)) may result in the loss of other elements (e.g. antimony (Sb), arsenic (As), sulfur (S)) through volatilization prior to analysis. When comparing data from different studies or sampling periods, it is crucial to ensure that the analytical protocols used are consistent and that changes in element concentrations over time are not simply due to variations in sample processing or laboratory procedures. The purpose of this study is to compare common digestion protocols used in the analysis of geological materials and provide recommendations on the most appropriate techniques for use in environmental risk assessments. We analyzed samples of lake sediments, stream sediments, soils, and mine tailings collected at metal mine sites across Canada. These samples were digested using two of the most commonly employed procedures in exploration and environmental geochemistry: a modified aqua regia digestion and a 4-acid digestion. All solutions were analyzed using ICP-ES/MS, and certified reference materials (CRMs) and duplicate samples were used to monitor analytical accuracy and precision. The concentration of elements (e.g. Cr) hosted in relatively insoluble mineral phases are consistently higher following 4-acid digestions as compared to digestions using aqua regia, but generally lower than total values measured using direct methods of analysis (e.g. Instrumental Neutron Activation Analysis). In contrast, the concentrations of As are often higher in samples following aqua regia versus 4-acid digestions and generally in good agreement with total values in CRMs. The behaviour of other elements (e.g. Sb, copper (Cu), lead (Pb), S, zinc (Zn)) was more variable and for many samples, the results following 4-acid and aqua regia digestions were statistically indistinguishable. Variations in the mineralogy of different samples play a key role in determining the fraction of different metal(loid)s released by these digestion techniques. This poster highlights some of the advantages and disadvantages of using each of these digestion protocols for risk assessment and environmental monitoring purposes, and provides recommendations for using geochemical data to help guide environmental decision-making at both active and abandoned metal mines.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,211
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,313
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMarine and environmental studiesTravaux en français237 207