Nonlinear Redox Transformations of Chromium in Soil during Wildfire Heating: The Critical Role of Iron Mineralogy
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Fire activity, including wildfires and urban fires, is increasing in frequency and severity, significantly impacting soil-borne metals such as chromium (Cr), which can be transformed from benign Cr(III) to toxic Cr(VI) during heating. However, the reaction pathway of Cr(VI) formation during wildfires remains unclear. We investigated the impacts of Fe-bearing minerals on the fire-induced formation of Cr(VI). Magnetite (Fe 3 O 4 ) synthesized and doped with Cr(III), and Fe and Cr rich soils were heated up to 800 °C to investigate temperature-dependent transformations. For the synthetic system, Cr(III) oxyhydroxide (CrOOH) was oxidized to metastable Cr(VI) trioxide (CrO 3 ) up to 600 °C, which spontaneously converted to Cr(III) oxide (Cr 2 O 3 ) with increasing temperature to 800 °C. In the soil samples, Fe-bearing minerals reacted with Cr(III) hydroxide [Cr(OH) 3 ] and chromite [FeCr 2 O 4; Cr(III)] to form Cr(VI) and magnetite up to 600 °C, which react with each other with increasing temperature and reduce Cr(VI) to form chromite and hematite (α-Fe 2 O 3 ). These findings highlight the role of Fe-bearing minerals in controlling the Cr(VI) formation and reduction pathway during fires. Our results have implications for understanding how wildfires contribute to the formation of toxic metals in soils, providing valuable insights for predicting the risks posed by wildfires.
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 | 0,000 | 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) | 0,002 | 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 ».