Speciation and mobilization of ultra-trace Hg(II) in groundwater
Notice bibliographique
Résumé
Accurate quantification of various mercury (Hg) species dynamics in groundwater is critical for understanding Hg mobilization, fate, and consequent impacts on water ecological security. This foundational work, however, faces challenges due to the lack of highly sensitive, reliable, and field-deployable detection technologies that can determine and monitor ultra-trace Hg(II) in groundwater. Here, this research presents and assesses two types of biosensing methods for dissolved Hg(II) based on a deoxyribonucleic acid (DNA) sensing material: the DNA-functionalized hydrogel for direct Hg(II) detection in groundwater and the DNA-DGT sensor for simultaneous sampling and detection with the diffusive gradients in thin films technique (DGT). Applying tests to hydrogeochemically diverse groundwaters from the Grand River Watershed, Canada, the results indicate that the DNA-functionalized hydrogel is able to quickly detect dissolved Hg(II) but inapplicable to low Hg(II) concentrations (<1.60 μg/L), whereas the DNA-DGT sensor can capture variably ultra-trace Hg(II) species depending on the deployment time. Quantification of Hg(II) species in groundwater via joint DNA-DGT sensing and hydrogeochemical calculation indicates that temperature, pH, Cl−, and dissolved organic matter significantly affected partitioning of trace Hg(II) between various mobile species, diffusion efficiency, and thus its mobility. Combined with hydrogeochemical modeling, the DNA-DGT measurements reveal that mobilization and transformation of Hg(II) are linked to redox cycling of sulfur in groundwater. This study therefore highlights that monitoring of low-level Hg(II) with ultra-sensitive, field-deployable biosensing methods is of significance to understanding mobility and fate of Hg in groundwater and its threat to safe drinking water supply.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».