Pre‐treatment with extraction solvent yields higher recovery: Method optimization for efficient determination of polycyclic aromatic hydrocarbons in organic‐rich fine‐textured wastes
Notice bibliographique
Résumé
Fluid fine tailings (FFT) contain numerous organic compounds, including polycyclic aromatic hydrocarbons (PAHs). Growing concerns of PAH toxicity warrants monitoring for environmental consequences and natural attenuation. Conventional Soxhlet extraction yields low (∼50%-60%) recovery of PAHs (naphthalene, phenanthrene, pyrene, dibenzofuran, fluorene, and dibenzothiophene) from FFT, which impedes accurate PAH determination. Therefore, an optimized method was developed in this study that included (1) selection of a suitable solvent, (2) enhancement of PAH recovery by pretreatment, (3) determination of optimal extraction time, and (4) optimization of sample cleanup procedure. Results showed that (1) dichloromethane (DCM) recovered significantly higher masses of PAHs from FFT than hexane (HEX), cyclohexane, or their mixtures with DCM; (2) pretreatment of FFT with DCM significantly improved PAHs recovery using either Soxhlet or mechanical shaking methods; (3) a 24-h Soxhlet extraction with pretreatment yielded the highest and the most consistent PAH recoveries; (4) DCM proved to be an efficient eluent for sample cleanup in silica gel column; and (5) consecutive cleanups with additional silica gel column removed excessive impurities without PAH losses. Therefore, this study developed an optimized method for PAH recoveries from FFT, achieving a pooled mean recovery of ∼94%. This method is applicable to other organic-rich fine-textured wastes such as sludge and clay sediments.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 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 ».