Resolving Uncertainties in the Quantification of Trace Elements within Organic-Rich Boreal Rivers for AF4-UV-ICP-MS Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Over the past few decades, asymmetric flow field-flow fractionation (AF4) has emerged as a robust technique for the separation of colloid-associated trace elements (TEs) in aqueous samples. Nevertheless, little is known about potential artifacts and how to control them when measuring the concentrations of colloid-associated elements at low (μg L –1 ) or ultralow concentrations (ng L –1 ) using AF4-UV-ICP-MS. Water from a boreal river was selected as a challenging test material due to its high concentrations of dissolved organic matter (DOM) and Fe-rich colloids. These colloids are expected to be significant contributors to artifact occurrence, even in a metal-free, ultraclean laboratory. The results show that the adsorption of Mn, Co, Ni, Cu, and Pb onto acid-cleaned, non-channel surfaces (such as connection tubing and autosampler) accounted for up to 48% of TE loss. These losses on non-channel surfaces also represent potential sources of cross-contamination for Co, Ni, Cu, and Pb. New, uncleaned poly(ether sulfone) membranes are also sources of contamination for Ni and Cu. Analytical bias may exist in the measured concentrations of TEs, primarily due to the potential carryover of weakly adsorbed TEs (e.g., Ni and Cu) on the system surfaces by colloids in the samples (e.g., DOM). On the other hand, colloids in the samples can also act to gradually remove contaminants from the surfaces. For these types of DOM-rich waters, preconditioning the AF4 system using 40 mg C L –1 of Suwannee River Natural Organic Matter (SRNOM, pH = 7) is recommended to mitigate the impact of membrane fouling and carryover. A comprehensive strategy for minimizing instrumental artifacts is presented and discussed.
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.
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 | 0,001 |
| 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 découle