Monitoring contamination using biogenic materials & LA-ICP-MS – Examples from Black Angel Pb-Zn mine, West Greenland
Notice bibliographique
Résumé
Metal pollution from mining activities is a well-known environmental concern, and detailed environmental monitoring before, during, and after mining is essential to evaluate the pollution status of a mining area. Traditionally, monitoring entails sampling of a selection of key monitoring organisms (e.g. lichens, sea weed, bivalve mollusks and sedentary fish species) and the estimated contamination status of the area is based on assessment of metal analyses (e.g. Q/HR-ICP-MS) in soft-tissues and organs from the key monitoring organism. Although metal concentrations in soft tissues is a valid proxy for metal exposure and recent metal pollution, such analysis provide no temporal information on metal exposure, uptake and accumulation over time. However, recent advances in analytical techniques such as laser ablation inductively coupled plasma mass spectrometry (LA-ICP-MS) have opened new opportunities for analyzing low concentrations of metals in biogenic materials (e.g. otoliths and shells) with a very fine spatial resolution1. Such mineralized biogenic materials are considered metabolically stable, grow continuously during the lifetime of the organism, and have the ability to incorporate metals. Consequently, biogenic materials may provide a complete time-resolved chemical record of organism’s exposure history. A preliminary study2 indicates that LA-ICP-MS analyses of sculpin otoliths, collected along a distance gradient near the Pb-Zn Black Angel-mine (West Greenland), have the potential to become a valuable method for assessing time-resolved metal loading near mine sites. The study showed that sculpin otoliths incorporated Pb, which is the most important pollutant in the area, but also that the annual variations in the otolith Pb concentrations was controlled by a complex interaction between Pb exposure in the environment and physiological processes in the fish. Consequently, further studies are required to investigate the links between metal sources, pathways, and the geochemical and physiological processes controlling otolith metal concentrations. Here, we continue the analysis of chemical compositions of fish otoliths collected near the Black Angel-mine (e.g. Myoxocephalus scorpius and Gadus ogac) and combine it with data on metal accumulation in blood and organs of the fish as well as other environmental proxies for metal contamination. In addition, we also investigate the potential of LA-ICP-MS analyses on a range of other solid biogenic samples including shells of blue mussels and sea snails (Mytilus edulis/Mytilus trossulus, Littorina saxitilis) as well as rotula bones from sea urchins (Strongylocentrotus droebachiensis). If successful, the potential application of solid biogenic material as archives of metal pollution can become an important new tool for environmental monitoring of contaminated areas, especially at remote sites where the location logistically inhibits frequent monitoring on an annual scale.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 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 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 ».