The Impacts of Ethanol and Freeze–Thaw Cycling on Arsenic Mobility in a Contaminated Boreal Wetland
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
Pyrite-bearing waste rock from legacy gold mines is a source of elevated arsenic, sulfate, and iron in the surrounding environments due to leaching. Waste rock in environments that experience cold winters is of particular concern because freeze–thaw cycling may mobilize elements through degradation and release of organic matter and accelerated mineral weathering. In boreal zones, wetlands are common recipients of mine-waste run-off, and microbial processes in wetland soil may promote the retention of mobilized elements, such as arsenic. We investigated the impacts of freeze–thaw cycling and ethanol amendment on soil from an arsenic-contaminated wetland in anoxic microcosms. Ethanol-amended microcosms exhibited enhanced microbial sulfate reduction, leading to sulfide precipitation and increased retention of arsenic in the soil. Sequential extraction studies indicated a shift of arsenic into more stable sulfide-bound fractions. The addition of ethanol significantly increased the growth of Geobacter spp. and other select sulfate-reducing bacteria. Freeze–thaw cycling increased dissolved arsenic over short time periods only and had no detectable impacts on microbial activity. These findings suggest that the use of ethanol as an amendment to wetlands during spring thaw may enhance arsenic sequestration in mining-impacted soils and may provide a viable remediation strategy for cold-climate environments, where seasonal freeze–thaw cycling could otherwise contribute to arsenic mobilization.
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 | 0,001 | 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) | 0,000 | 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