Technical note: Effects of iron(II) on fluorescence properties of dissolved organic matter at circumneutral pH
Notice bibliographique
Résumé
Abstract. Modern fluorescence spectroscopy methods, including excitation–emission matrix (EEM) spectra parsed using parallel factor analysis (PARAFAC) statistical approaches, are widely used to characterize dissolved organic matter (DOM) pools. The effect of soluble reduced iron, Fe(II), on EEM spectra can be significant but is difficult to quantitatively assign. In this study, we examine the effects of Fe(II) on the EEM spectra of groundwater samples from an anaerobic deltaic aquifer containing up to 300 mg L−1 Fe(II), located a few kilometres from the ocean and adjacent to the Fraser River in Richmond, British Columbia, Canada. We added varying quantities of Fe(II) into groundwater samples to evaluate Fe(II)–DOM interactions. Both the overall fluorescence intensity and the intensity of the primary peak, a humic-like substance at excitation and emission wavelengths of 239 and 441–450 nm (peak A), respectively, decreased by approximately 60 % as Fe(II) concentration increased from 1 to 306 mg L−1. Furthermore, the quenching effect was nonlinear and proportionally stronger at Fe(II) concentrations below 100 mg L−1. This nonlinear relationship suggests a static quenching mechanism. In addition, DOM fluorescence indices are substantially influenced by the Fe(II) concentration. With increasing Fe(II), the fluorescence index (FI) shifts to higher values, the humidification index (HIX) shifts to lower values, and the freshness index (FrI) shifts to higher values. Nevertheless, the 13-component PARAFAC model showed that the component distribution was relatively insensitive to Fe(II) concentration; thus, PARAFAC may be a reliable method for obtaining information about the DOM composition and its redox status in Fe(II)-rich waters. By characterizing the impacts of up to 300 mg L−1 Fe(II) on EEMs using groundwater from an aquifer which contains similar Fe(II) concentrations, we advance previous work which characterized impacts of lower Fe(II) concentrations (less than 2 mg L−1) on EEMs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».