Impact of Organic Carbon on Manganese Release, Colloid Formation, and Aggregation in Surface and Groundwater
Notice bibliographique
Résumé
The interaction of manganese (Mn) oxides with natural organic matter (NOM) can mobilize Mn, impacting groundwater quality. However, the formation of Mn colloids, critical determinants of Mn transport and aggregation, is often overlooked. To investigate Mn behavior and colloid formation upon C amendment, humic acid was reacted with Mn oxide suspensions at different C:Mn molar ratios (C:Mn = 0-15) over 200 h. The addition of organic carbon promoted the formation of highly stabilized and mixed-valence Mn colloids through reductive dissolution and complexation, with "aqueous" Mn (<450 nm, C:Mn = 15) release increasing by 56.3% from 0 to 200 h and colloidal Mn increasing by up to 31.9% (3-450 nm, C:Mn = 15, t = 200 h) compared to without carbon addition. Analysis of Mn oxidation state revealed that C-Mn colloids contained Mn in multiple oxidation states, and the percentage of Mn(II,III) relative to total Mn increased with increasing C concentrations. In surface water, the hydrodynamic diameter of both Mn and C-Mn colloids remained stable. In groundwater, C-Mn colloids (C:Mn = 3) remained stable (150 nm) over 30 days, while Mn colloids aggregated into larger particles. Analysis of natural surface and groundwaters identified a substantial fraction of Mn (up to 19.2 and 27.2%, respectively) existing in colloidal phases. These findings shed light on the intricate cycling of Mn among particulate, colloidal, and dissolved phases, which governs Mn fate and transport in the environment.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».