TCF selenium preconcentration in geological materials for \ndetermination at sub-μg g−1 with INAA (Se/TCF-INAA)
Notice bibliographique
Résumé
In geological samples, Se concentration ranges from 1 × 10−9 g g−1 up to 1 × 10−3 g g−1. The analytical difficulty at low concentration (<1 μg g−1), is one of the main reasons why the geological cycle of Se is poorly known. The analytical method that consisted of preconcentration of Se with thiol cotton fiber (TCF) followed by graphite furnace atomic absorption spectrometry (GFAAS) has been modified by finishing with instrumental neutron activation analysis (INAA). The modified technique involves sample dissolution (HF–HNO3–H2O2) and evaporation to dryness at low temperature (55–60 °C) to avoid selenium volatilization. SeVI is converted to SeIV by adding 6 M HCl to the dry residuum and the solution is then heated in a covered boiling bath (95–100 °C). The solution is diluted to obtain 0.6 M HCl and then collected on TCF. The TCF is placed in a polyethylene vial for irradiation in the SLOWPOKE II reactor (Montréal) for 30 s at a neutron flux of 1015 m−2 s−1. The 162 keV peak of 77mSe (half-life 17.36 s) is read for 20 s after a decay of 7 s. The amount of sample to be dissolved is controlled by two competing effects. To obtain low detection limits, a larger amount of sample should be dissolved. On the other hand, the TCF could become saturated with chalcophile elements when large sample is used. Sulfur is a good indicator of the amount of Se and chalcophile elements present. In S poor sample (<100 μg g−1) 3.0 g of sample was used and the LD was ∼2 ng g−1. In S high samples (>1.5% S) 0.05 g of sample was used and the LD was ∼120 ng g−1. The present work also includes suggested Se concentration for eight international geological reference materials (IGRM) that compare favorably with literature values.
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) | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».