Development and validation of in-situ and laboratory X-ray fluorescence (XRF) spectroscopy methods for moss biomonitoring of metal pollution
Notice bibliographique
Résumé
Metals are among the pollutants of highest concern in urban areas due to their persistence, bioavailability and toxicity. High concentrations of metals threaten aquatic ecosystem functioning and biodiversity, as well as human health. High-resolution estimates of pollutant sources are required to mitigate exposure to toxic compounds by identifying the specific locations and associated site characteristics where the deposition of metals is greatest. Mosses have been widely used as low-cost biological monitors of metal pollution for decades, because they readily accumulate pollutants over time, reflecting long term pollution levels. However, spectroscopic techniques to determine the concentration of metal pollutants in moss samples still require expensive instrumentation and involve time consuming sample preparation protocols with heavy use of reagents. Here we present protocols to perform in-situ and laboratory X-ray fluorescence (XRF) spectroscopy of epiphytic moss as rapid, low-cost, and accurate alternatives to conventional metal pollution biomonitoring. We also report on a preliminary validation of the measurements using mass fractions determined by inductively coupled plasma atomic emission spectroscopy (ICP-OES) as reference. •XRF measurements are taken from moss directly on tree trunks in less than five minutes. •Grinding and pelletizing of moss enables definitive quantitation (R 2 >0.90) of metals through portable XRF.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».