Arsenic-Imposed Effects on Schwertmannite and Jarosite Formation in Acid Mine Drainage and Coupled Impacts on Arsenic Mobility
Notice bibliographique
Résumé
This study explores interactions between As and Fe(III) minerals, predominantly schwertmannite and jarosite, in acid mine drainage (AMD) via observations at a former mine site combined with mineral formation and transformation experiments. Our objectives were to examine the effect of As on Fe(III) mineralogy in strongly acidic AMD while also considering associated controls on As mobility. AMD at the former mine site was strongly acidic (pH 2.4 to 2.8), with total aqueous Fe and As decreasing down the flow-path from ∼400 to ∼20 mg L<sup>-1</sup> and ∼33,000 to ∼150 μg L<sup>-1</sup>, respectively. This trend was interrupted by a sharp rise in aqueous As(III) and Fe(II) caused by reductive dissolution of As-bearing Fe(III) phases in a sediment retention pond. Attenuation of Fe and As mobility occurred via formation of As(V)-rich schwertmannite, As(V)-rich jarosite, and amorphous ferric arsenate (AFA), resulting in solid-phase As concentrations spanning ∼13 to ∼208 g kg-1. Schwertmannite and jarosite retained As(V) predominantly by structural incorporation involving AsO<sub>4</sub>-for-SO<sub>4</sub> substitution at up to ∼40 and ∼22 mol %, respectively. Arsenic strongly influenced Fe(III) mineral formation, with high As(V) concentrations causing formation of AFA over schwertmannite. Arsenic also strongly influenced Fe(III) mineral evolution over time. In particular, increasing levels of As(V) incorporation within schwertmannite were shown, for the first time, to enhance the transformation of schwertmannite to jarosite. This significant discovery necessitates a re-evaluation of the prevailing paradigm that As(V) retards schwertmannite transformation.
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 | 0,000 | 0,000 |
| 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 ».