illustration - laboratoire PROTEE
illustration - laboratoire PROTEE
illustration - laboratoire PROTEE
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Séminaire GDR MONALISA<br />
Complexation des métaux traces et du proton visà-vis<br />
de la MON dissoute:<br />
Comparaison des techniques analytiques et des méthodes de<br />
traitement de données<br />
1 Laboratoire RCMO-<strong>PROTEE</strong>, UTV<br />
2 Center for Marine and Environmental Research, IRB<br />
9 et 10 Octobre 2003<br />
La Garde<br />
C. Garnier 1<br />
I. Pižeta 2 , S. Mounier 1 ,<br />
J.Y. Benaïm 1 , M. Branica 2
Les métaux traces dans l’environnement: rôle de la matière organique<br />
Particulaire « total »<br />
micro-organismes<br />
M<br />
M<br />
M<br />
M M<br />
M<br />
particules inorganiques<br />
M<br />
Filtration (0.45-0.2µm)<br />
EAU<br />
Dissous « total »<br />
ligands inorganiques<br />
Cl - , NO 3 - SO4 2- …<br />
OH -<br />
ligands organiques<br />
MON, EDTA…<br />
Sédimentation Adsorption / Échange d’ions<br />
SEDIMENTS<br />
M inorganique<br />
M n+<br />
M organique<br />
directement assimilable<br />
potentiellement assimilable<br />
après décomplexation /<br />
désorption / …
La spéciation des métaux:<br />
Dépends des conditions physico-chimiques du milieu (pH,<br />
T, P, I, concentrations en ions majeurs, MON, …)<br />
Influence la biodisponibilité et/ou la toxicité de ces métaux<br />
vis-à-vis des micro-organismes<br />
Cu 2+<br />
Hg 2+<br />
Cd-EDTA<br />
Pour comprendre l’impact des métaux traces dans l’environnement,<br />
il est nécessaire de correctement prédire leur spéciation
Caractérisations de la MON dissoute<br />
MON: mélange, hautement hétérogène, de macro-molécules/colloïdes/polymères<br />
On peut définir la MON de manière:<br />
Quantitative:<br />
– composition atomique (% C, H, N, O, S…),<br />
– concentration massique (ex: COD, COT),<br />
– proportion acides Fulvique / Humique (solubilité fonction du pH),<br />
– …<br />
Structurale:<br />
– composition moléculaire (% aromatiques, % alcools…),<br />
– présence de groupements spécifiques (-COOH, -NH 2 , -OH…),<br />
– …<br />
Qualitative:<br />
– sites acides,<br />
– sites complexant les métaux traces (Cu, Cd, Pb, Zn, Hg…),<br />
– adsorption sur des particules, des colloïdes…<br />
– fluorophores, degré de maturité, …
Caractérisations de la MON dissoute<br />
MON: mélange, hautement hétérogène, de macro-molécules/colloïdes/polymères
Complexation des métaux traces et du proton vis-à-vis<br />
de la MON dissoute :<br />
Métal – MON:<br />
Équilibre: iM + jL MiLj Constante de stabilité, K: K = [M i L j ] / ([M] i .[L] j )<br />
Capacité complexante, L T , i.e. concentration totale en sites complexants<br />
Proton – MON:<br />
Équilibre: H i L j iH + jL<br />
Constante de stabilité, K a : K a = ([H] i .[L] j ) / [H i L j ]<br />
Acidité totale, L' T , i.e. concentration totale en sites acides<br />
La définition de la spéciation requiert une connaissance complète<br />
des propriétés de complexation et d'acidité des ligands,<br />
notamment de la MON.
Deux catégories de modélisation des propriétés de<br />
complexation et d'acidité de la MON:<br />
Distribution continue de ligands:<br />
- définition d’une fonction de type: L T = f(log(K))<br />
ex: gaussienne(s) du modèle NICCA-Donnan (Benedetti et al., 1995)<br />
- differential equilibrium function (DEF)<br />
ex: MODELm (Huber et al., 2002)<br />
-…<br />
Distribution discrète de ligands:<br />
- set de molécules organiques représentant les sites de complexation<br />
de la MON (-COOH, -SH, ϕ-OH …)<br />
ex: EDTA, cystéine, phénol, acide acétique…<br />
- set de "sites" virtuels<br />
ex: Model V (Tipping and Hurley, 1992), Quasi-Particules (Sposito, 1981)<br />
-…
Techniques analytiques<br />
Métal – MON: mesure de [M]<br />
– électrochimie (ASV, CSV, …): [métal labile] ≈ [métal inorganique]<br />
– potentiométrie (ISE): [métal libre] = [M n+ ]<br />
– DGT, …: ~ [métal labile]<br />
– extraction, séparation / AAS, ICP-MS: [métal complexé]<br />
Métal – MON: mesure de [L]<br />
– quenching de fluorescence: [sites fluorescents] ≈ [ligand]<br />
– colonnes C-pack (C18 ou C14): extraction des ligands complexants<br />
Proton –MON: mesure de [H]<br />
– potentiométrie (ISE): [proton libre] = [H + ]<br />
Proton –MON: mesure de [L']<br />
– quenching de fluorescence: [sites fluorescents] ≈ [ligand]<br />
Comment modéliser correctement ces données expérimentales ?
I/ Module de spéciation:<br />
Tableau des bilans de masse (Morel, 1983)<br />
A 2-<br />
Na +<br />
Cl -<br />
H +<br />
OH -<br />
AH -<br />
AH 2<br />
A 2-<br />
α 1,1 =1<br />
0<br />
0<br />
0<br />
0<br />
1<br />
1<br />
Na +<br />
0<br />
1<br />
0<br />
0<br />
0<br />
0<br />
0<br />
Cl -<br />
0<br />
0<br />
1<br />
0<br />
0<br />
0<br />
0<br />
H +<br />
0<br />
0<br />
0<br />
1<br />
-1<br />
1<br />
α 7,4 = 2<br />
Principe de PROSECE<br />
PRogramme d’Optimisation et de SpEciation Chimique en Environnement<br />
Software for Chemical Aqueous Speciation<br />
K e<br />
K AH<br />
K AH2<br />
en posant C = [composant] et S = [composé]:<br />
C<br />
i,<br />
tot<br />
=<br />
Ns<br />
∑<br />
j=<br />
1<br />
ji<br />
. S<br />
α et<br />
calcul de S j et C i<br />
(C i,tot , α ji et K j connus)<br />
j<br />
S<br />
j<br />
= K<br />
Nc<br />
∑ j.<br />
i=<br />
1<br />
C<br />
α ji<br />
i<br />
méthode de Newton-Raphson modifiée<br />
Spéciation<br />
(programmes: MINEQL, CHESS, FITEQL, …)
II/ Module d’optimisation:<br />
Valeurs initiales des paramètres<br />
des sites<br />
Modification de TOUS les<br />
paramètres des quasiparticules<br />
par un simplex<br />
modifié<br />
Principe de PROSECE<br />
PRogramme d’Optimisation et de SpEciation Chimique en Environnement<br />
Software for Chemical Aqueous Speciation<br />
Calcul de Spéciation (partie I/)<br />
itération<br />
NON<br />
bias<br />
Comparaison aux résultats<br />
expérimentaux (pH et/ou pM)<br />
OUI<br />
Valeurs optimisées
Cas1: 1 ligand<br />
Complexation Métaux-MON:<br />
comparaison des techniques analytiques et des méthodes<br />
de traitement de données<br />
But: étudier l'influence du type de titration et de modélisation fréquemment<br />
utilisées dans la littérature sur la détermination de K i et L iT pour des systèmes<br />
multi-ligands<br />
Type de complexation: 1 : 1<br />
Espèces définies: M, L 1 , ML 1<br />
Équilibre étudié: M + L 1 ML 1<br />
Équations: M T =M + ML 1<br />
Solution analytique:<br />
−<br />
M =<br />
L 1T = L 1 + ML 1<br />
K 1 = ML 1 /(M.L 1 )<br />
( 1+<br />
K1.<br />
L1<br />
−K1.<br />
MT<br />
) + ( 1+<br />
K1.<br />
L1T<br />
−K1.<br />
MT<br />
)<br />
2<br />
T +<br />
2.<br />
K<br />
1<br />
Tableau des équilibres (Morel)<br />
L 1<br />
M<br />
ML 1<br />
4.<br />
K1.<br />
M<br />
T<br />
L 1<br />
1<br />
0<br />
1<br />
M<br />
0<br />
1<br />
1<br />
K 1
Méthodes de traitement de données: les différentes linéarisations<br />
1/ Linéarisation de Chau-Buffle<br />
2/ Linéarisation de Ružić-van den Berg<br />
3/ Linéarisation de Scatchard<br />
Méthode de Chau : régression linéaire des (4) derniers points de la courbe<br />
M = f(MT): M = a.MT +b.<br />
Par extrapolation, détermination de L1T = -b/a<br />
Méthode de Buffle : linéarisation des points expérimentaux, tracé de<br />
L1T /(MT-M) = f(1/M) en utilisant pour L1T la valeur déterminée par la<br />
méthode de Chau: L1T /(MT-M) = c/M+d<br />
K1 = 1/c (normalement d = 1)<br />
Linéarisation des points expérimentaux, tracé de M/(M T -M) = f(M): M/(M T -<br />
M) = a.M+b.<br />
L 1T = 1/a<br />
K 1 = a/b<br />
Linéarisation des points expérimentaux, tracé de (M T -M)/M = f(M T ): (M T -<br />
M)/M = a.M T +b.<br />
K 1 = -a<br />
L 1T = -b/a<br />
Cas1: 1 ligand
Méthodes de traitement de données: les fitting<br />
4/ PROSECE<br />
Techniques de titrations:<br />
Titration linéaire:<br />
incréments constants en [M]<br />
Titration logarithmique:<br />
incréments constants en log[M]<br />
Cas1: 1 ligand<br />
Titration décade:<br />
incréments constants en [M] par décade
Expériences réalisées:<br />
- 3 expériences à « K*LT » constant (=50)<br />
-LT = 10, 50 et 90nM<br />
- erreur aléatoire –2 à 2%<br />
- gamme de concentration: 0 à 100nM<br />
Résultats:<br />
- PROSECE:<br />
Quelque soit le mode de titrations les résultats sont<br />
bons<br />
- Linéarisation de Scatchard:<br />
très nettement amélioré par les titrations<br />
logarithmique et décade<br />
- Linéarisation de Ružić-VanDenBerg:<br />
dépendante des [M] fortes résultats mauvais<br />
pour les ligands forts peu concentrés. Pas<br />
d’amélioration pour les titrations logarithmique et<br />
par décade.<br />
- Linéarisation de Chau-Buffle:<br />
résultats moyens, globalement moins bons que<br />
ceux obtenus par les autres méthodes. <br />
détermination de L T : par linéarisation des derniers<br />
points de la titration<br />
Cas1: 1 ligand
Cas2: 2 ligands<br />
Type de complexation: 2 * 1 : 1<br />
Espèces définies: M, L 1 , ML 1 , L 2 , ML 2<br />
Équilibre étudié: M + L 1 ML 1 M + L 2 ML 2<br />
Équations: M T =M + ML 1 + ML 2<br />
Tableau des équilibres (Morel)<br />
L 1<br />
L 2<br />
M<br />
ML 1<br />
ML 2<br />
L 1<br />
1<br />
0<br />
0<br />
1<br />
0<br />
L 2<br />
0<br />
1<br />
0<br />
0<br />
1<br />
M<br />
0<br />
0<br />
1<br />
1<br />
1<br />
K 1<br />
K 2<br />
L 1T = L 1 + ML 1<br />
L 2T = L 2 + ML 2<br />
K 1 = ML 1 /(M.L 1 ) K 2 = ML 2 /(M.L 2 )<br />
Solution analytique:<br />
Résolution d’un polynôme du 3ème ordre
Méthodes de traitement de données:<br />
1/ Linéarisation de Ružić<br />
2/ Linéarisation de Scatchard<br />
Linéarisations des points expérimentaux, tracé deY 1 = f(M) et<br />
Y 2 = f(M):<br />
Y 1 = (M/(M T -M)) M=>∞ = a.M+b<br />
Y 2 = 1/(a.M + b - (M/(M T -M)) M=>∞ ) = c.M+d<br />
L 1T , K 1 , L 2T , K 2 = f(a, b, c, d)<br />
Linéarisations des premiers et derniers points expérimentaux,<br />
tracé de (M T -M)/M = f(M T ).<br />
L 1T , K 1 , L 2T , K 2 = f(a, b, c, d)<br />
3/ PROSECE<br />
4/ fitting (Pižeta):<br />
Optimisation des paramètres de complexation à partir des données linéarisées par la méthode de Ruzic.<br />
Cas2: 2 ligands
Expériences réalisées:<br />
- erreur aléatoire –2 à 2%<br />
- gamme de concentration: 0 à 457nM<br />
- nombre d’expériences: matrice factorielle<br />
Cas2: 2 ligands<br />
-valeurs de L1T , K1 , L2T et K2 utilisées: Ce qui conduit à des variations de:<br />
-K1 /K2 = 10 à 10000 (toujours supérieur à 10)<br />
-K1 .L1T = 1 à 300 (toujours supérieur à 1)<br />
-K2 .L2T = 0.1 à 3<br />
-LT = L1T +L2T = 110 à 330nM<br />
- expériences réalisées:<br />
- calculs d’erreur:
Résultats: graphiques: erreurs = f(L 1T .K 1 , L 2T .K 2 )<br />
Cas2: 2 ligands
Résultats: graphiques: erreurs = f(L 1T .K 1 , L 2T .K 2 )<br />
L 1T .K 1<br />
Ružić – titration linéaire:<br />
erreur sur K 1<br />
L 2T .K 2<br />
L 1T .K 1<br />
Ružić – titration logarithmique:<br />
erreur sur K 1<br />
L 2T .K 2<br />
Cas2: 2 ligands<br />
valeur 1000%
Résultats: graphiques: erreurs = f(L 1T .K 1 , L 2T .K 2 )<br />
L 1T .K 1<br />
Ružić – titration linéaire:<br />
erreur sur K 1<br />
L 2T .K 2<br />
L 1T .K 1<br />
PROSECE – titration linéaire:<br />
erreur sur K 1<br />
L 2T .K 2<br />
Cas2: 2 ligands<br />
valeur 1000%
Conclusions de cette étude<br />
Titrations logarithmique et décade<br />
. > mode linéaire, pourtant couramment utilisé, même pour 1 ligand<br />
Techniques de linéarisations:<br />
. < fitting, surtout en mode linéaire<br />
. très sensibles au bruit expérimental<br />
. 1 ligand: corrélation entre l'erreur sur le paramètre et l'intervalle de confiance<br />
PROSECE<br />
. > à toutes les autres méthodes<br />
. moins sensible à l'effet du bruit expérimental<br />
Graphiques erreurs = f(L 1T .K 1 , L 2T .K 2 )<br />
. => prédiction de l'erreur pour des modélisation sur des données<br />
expérimentales<br />
=> Combinaison retenue: titration logarithmique - PROSECE
Propriétés d'acidité de la MON<br />
But: étudier les paramètres influençant la détermination des propriétés d'acidité de<br />
la MON<br />
Optimisation des paramètres des sites:<br />
- estimation de [H] To par (∆n -<br />
OH )max<br />
- définition du nombre de sites acides<br />
- détermination des valeurs initiales: K I<br />
H , CI - calcul d'optimisation PROSECE<br />
Traitement des données:<br />
comparaison à une titration de mQ<br />
- calcul de n -<br />
OH pour la MON et mQ<br />
- extrapolation, tracé de (∆n -<br />
OH )=f(pH)<br />
Sites carboxyliques<br />
3.5<br />
4.5<br />
5.5<br />
Sites phénoliques<br />
8.0<br />
9.5<br />
11.1<br />
nH To
Optimisation du nombre de sites acides<br />
error on titration's pH values<br />
30<br />
20<br />
10<br />
0<br />
2 3 4 5 6 7<br />
number of acidic sites<br />
Évolution de l'erreur sur la modélisation par PROSECE des titrations potentiométriques de solutions<br />
d'AFLR () et AHLR () en fonction du nombre de sites définis.<br />
=> Combinaison retenue: 3 sites de type carboxylique et 3 de type phénolique
Effet de la teneur en Carbone Organique Dissous<br />
site densities (meq.g -1 NOM)<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
0<br />
LRFA: carboxylic<br />
LRFA: phenolic<br />
LRHA: carboxylic<br />
LRHA: phenolic<br />
0 50 100 150 200 250<br />
NOM (mg.l -1 )<br />
Densités optimisées en sites carboxyliques et phénoliques pour des solutions concentrées et<br />
diluées d'AFLR et AHLR<br />
à teneur en COD faible: erreurs sur la modélisation, surtout pour les sites de type<br />
phénolique changement du ratio carboxylique/phénolique<br />
=> Comment analyser des échantillons naturels, non préconcentrés ?
Limite pour une modélisation correcte<br />
expected [Ac+Ph](meq, in logarithmic scale)<br />
0.0001 0.0010 0.0100 0.1000<br />
1.0000<br />
1.0000<br />
AFLR<br />
AHLR<br />
Acetate-Phenol<br />
theoretical curve<br />
apparent limit for correct modelling<br />
0.1000<br />
0.0100<br />
0.0010<br />
0.0001<br />
measured Ac+Ph] (meq, in logarithmic scale)<br />
LRFA<br />
LRFA theoretical curve<br />
LRHA<br />
LRHA theoretical curve<br />
Acetate-Phenol<br />
Acetate-Phenol theoretical curve<br />
Seine Aval samples<br />
apparent limit for correct modelling<br />
0.000 0.001 0.010 0.100<br />
expected [Ac+Ph] (meq, in logarithmic scale)<br />
0.0<br />
1.000<br />
Concentration totale en sites optimisées et rapport carboxylique/phénolique en fonction de<br />
la concentration totale en sites attendue (Acétate-Phénol, MO extraite, MON)<br />
=> Définition d'une valeur de concentration en sites limite, en dessous de laquelle la<br />
modélisation est incorrecte<br />
=> échantillons de Seine Aval: concentration en sites acides > limite Ouf !<br />
1.5<br />
1.0<br />
0.5<br />
ratio [Ca]/[Ph]
Projet ECOTDYN:<br />
Etude intégrée de l'impact des transfert de contaminants en<br />
milieu côtier méditerranéen
Projet ECOTDYN:<br />
Etude intégrée de l'impact des transfert de contaminants en<br />
milieu côtier méditerranéen
Projet ECOTDYN:<br />
Etude intégrée de l'impact des transfert de contaminants en<br />
milieu côtier méditerranéen
Projet ECOTDYN:<br />
Etude intégrée de l'impact des transfert de contaminants en<br />
milieu côtier méditerranéen