Parallel quantitation of salt dioctyl sodium sulfosuccinate (DOSS) and fingerprinting analysis of dispersed oil in aqueous samples
Notice bibliographique
Résumé
In many jurisdictions, dispersants are included in contingency plans as a viable countermeasure that can help reduce the overall environmental impact of marine oil spills. When used, it is imperative to monitor the progression of dispersant and oil to assess their environmental fate and behaviour. Amphiphilic salt dioctyl sodium sulfosuccinate (DOSS) is the major effective component of the most commonly available dispersants, such as Corexit® EC9500A. Without proper sample preparation, dispersed oil in water samples could interfere with the accurate analysis of DOSS and easily contaminate the LC-MS system. In this work, solid phase extraction (SPE) weak anion exchange (WAX) cartridges were used to separate oil and DOSS in aqueous samples. DOSS was accurately determined by liquid chromatography coupled with a high resolution Orbitrap mass spectrometer (LC-HRMS). Oil fingerprinting analysis was conducted and total petroleum hydrocarbons (TPHs), polycyclic aromatic hydrocarbons (PAHs), and petroleum biomarkers were determined by gas chromatography-flame ionization detection (GC-FID) and mass spectrometry (GC-MS). This SPE-LC/GC-MS method was used for the analysis of oil-dispersant water samples containing a mixture of Corexit® EC9500A and a selection of crude oils and refined petroleum products. Nearly a 100% DOSS recovery was obtained for various oil-surfactant conditions. Parallel quantitation of oils with dispersants was achieved using this method. A portion of the TPH loss was possibly attributed to oil retained by the SPE column. Chemical fingerprints and diagnostic ratios of target compounds in recovered dispersed oil overall remain unchanged compared with those of all studied oils.
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 | 0,001 | 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) | 0,001 | 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 ».